Core Concepts
Große Sprachmodelle können die Einführung von FAIR-Datenspeichern durch Unterstützung bei Schlüsselaufgaben wie der Erstellung semantischer Metadaten, der Instanziierung von Datensätzen und dem Verständnis semantischer Daten erleichtern.
Abstract
Der Artikel zeigt, wie Große Sprachmodelle (LLMs) wie GPT-4 bei der Vorbereitung von Daten für den FAIR-Austausch in Datenspeichern unterstützen können.
Zunächst wird demonstriert, wie LLMs bei der Erweiterung eines bestehenden semantischen Metadatenschemas, der Erstellung von Datensatzinstanzen und der Generierung von Nutzungsrichtlinien helfen können. Dabei werden einige Einschränkungen und Herausforderungen der LLMs deutlich.
Anschließend wird eine Forschungsagenda vorgestellt, die verschiedene Aspekte des Einsatzes von LLMs in Datenspeichern adressiert. Dazu gehören interaktive und automatisierte Systeme, Anpassung durch Prompt-Engineering und Fine-Tuning, Integration von Wissen und Korrektheit, der Einsatz offener Modelle für die Datensouveränität, Effizienz und Latenz sowie Sicherheitsaspekte.
Die Forschungsagenda zielt darauf ab, die Potenziale von LLMs für die Förderung der Einführung und FAIRness von Datenspeichern systematisch zu untersuchen und Lösungen für die identifizierten Herausforderungen zu entwickeln.
Stats
Eine digitale Darstellung eines Gemäldes muss genau einen gndo:firstArtist haben, der eine gndo:DifferentiatedPerson ist und einen gndo:gndIdentifier besitzt.
Eine digitale Darstellung eines Gemäldes muss genau ein gndo:dateOfProduction vom Typ xsd:dateTime haben.
Quotes
Keine relevanten Zitate gefunden.