Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003214, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Розробка інтелектуального терапевтичного експерта на основі великих мовних моделей Автор Кузнецов Григорій ОлексійовичKuznetsov Hryhorii Oleksiiovych Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76229 Видання Київ Опис Дипломна робота: 82 с., 6 табл., 35 рис., 1 додаток, 34 джерела. Мета дослідження - підвищення точності відповідей великих мовних моделей в медичному домені. Об’єкт дослідження - процес генерації медичних відповідей за допомогою великих мовних моделей. Предмет дослідження - метод тонкого налаштування великих мовних моделей для генерації та оцінки відповідей на медичні запитання. В даній роботі проведено тонке донавчання великої мовної моделі на медичному наборі даних, розроблено систему оцінки точності та якості відповіді LLM, проведено оцінку точності відповідей отриманої моделі за допомогою двох семантичних методів. Отримані результати порівняно з результатами оригінальної моделі до навчання. Розроблено користувацький веб-інтерфейс до моделі, що дозволяє задавати відкриті медичні запитання та отримувати автоматично згенеровані відповіді в режимі реального часу. Thesis: 82 p., 6 tables, 35 figures, 1 appendix, 34 references. The purpose of the study is to increase the accuracy of large language models in the medical domain. The object of the study is the generation of medical answers using large language models. The subject of the study is the method for fine-tuning large language models for generating and evaluating answers to medical questions. In this work, a fine-tuning of a large language model on a medical dataset was carried out. A system for assessing the accuracy and quality of the LLM response was developed. The accuracy of the responses of the obtained model was evaluated using two semantic methods. The results obtained were compared with the results of the original model before training. A user-friendly web interface to the model has been developed, allowing user to ask open-ended medical questions and receive automatically generated answers in real time. Додано в НРАТ 2025-11-05 Закрити