本稿では、大規模言語モデルと多段階プロンプトエンジニアリングを組み合わせることで、複雑な専門知識を要する炭鉱の安全運用に不可欠な、高精度かつ状況に応じた質問応答システムを実現できることを示している。
本稿では、LLMを用いて生成した要約や質問などの派生特徴を用いることで、従来のRAGシステムの検索機能を大幅に向上させる新しいフレームワーク、RAIDDを提案する。
本論文では、大規模言語モデル(LLM)を用いた質問応答システムにおいて、長文ドキュメントから効率的に情報を取得するための新しい手法GARLICを提案する。
LoREは、従来のRAGシステムの制限に対処するために、多様な検索エンジンとロジットベースの回答ランキングを活用した新しいフレームワークであり、検索エンジンの多様性と計算効率を最適化することで、バイアスを軽減し、質問応答の精度と関連性を向上させる。
本稿では、専門性の高い電気通信分野の質問応答において、小規模言語モデルの性能を向上させるために、ColBERT検索に基づく情報検索と、応答スコアリングを組み合わせた手法を提案し、その有効性を示した。