大模型驱动的科技政策法规问答系统研究

TP391; 科技政策法规问答系统(Q&A)在帮助公众理解和应用科技法规方面发挥关键作用.大语言模型(LLM)可以显著提升科技政策法规问答系统的准确性和效率.然而,基于大语言模型的科技政策法规问答系统仍然存在以下问题:缺乏大规模高质量的科技政策法规问答数据集,且现有自动构建大规模数据集的方法在引用和整合政策法规知识方面存在不足;问答系统在处理科技政策法规问题时,专业性、准确性不足且模型知识更新滞后.为解决这些问题,提出了一种检索增强自提示的问答数据集构建方法,并构建了一个大规模高质量的科技政策法规问答数据集;同时,构建了科技政策法规问答系统,该系统结合了经过低秩自适应(LoRA)微调技...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	计算机科学与探索 Jg. 18; H. 9; S. 2349 - 2360
Hauptverfasser:	向小伟, 申艳光, 胡明昊, 闫天伟, 罗威, 罗准辰
Format:	Journal Article
Sprache:	Chinesisch
Veröffentlicht:	军事科学院 军事科学信息研究中心,北京 100142%河北工程大学 信息与电气工程学院,河北 邯郸 056038%军事科学院 军事科学信息研究中心,北京 100142%国防科技大学 计算机学院,长沙 410037 01.09.2024 河北工程大学 信息与电气工程学院,河北 邯郸 056038
Schlagworte:	科技政策法规 question-and-answer dataset 问答数据集 提示学习 question-and-answer system prompt learning 大语言模型 low-rank adaptive fine-tuning science and technology policy and regulation 低秩自适应微调 问答系统 large language model
ISSN:	1673-9418
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!