論文の概要: CARE: A QLoRA-Fine Tuned Multi-Domain Chatbot With Fast Learning On Minimal Hardware

• arxiv url: http://arxiv.org/abs/2503.14136v1
• Date: Tue, 18 Mar 2025 10:58:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:18:00.235414
• Title: CARE: A QLoRA-Fine Tuned Multi-Domain Chatbot With Fast Learning On Minimal Hardware
• Title（参考訳）: CARE: 最小限のハードウェアで高速学習できるQLoRAフィン付きマルチドメインチャットボット
• Authors: Ankit Dutta, Nabarup Ghosh, Ankush Chatterjee,
• Abstract要約: CARE (Customer Assistance and Response Engine) は、非常に最小限のハードウェアとデータ上でPhi3.5-miniを微調整した軽量モデルである。 主に通信サポート、医療サポート、銀行サポートの3つの領域にわたるクエリを処理するように設計されている。 CAREは様々な医学ベンチマークで比較的よく機能し、基本的な医学的提案に使用できることを示している。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License:
• Abstract: Large Language models have demonstrated excellent domain-specific question-answering capabilities when finetuned with a particular dataset of that specific domain. However, fine-tuning the models requires a significant amount of training time and a considerable amount of hardware. In this work, we propose CARE (Customer Assistance and Response Engine), a lightweight model made by fine-tuning Phi3.5-mini on very minimal hardware and data, designed to handle queries primarily across three domains: telecommunications support, medical support, and banking support. For telecommunications and banking, the chatbot addresses issues and problems faced by customers regularly in the above-mentioned domains. In the medical domain, CARE provides preliminary support by offering basic diagnoses and medical suggestions that a user might take before consulting a healthcare professional. Since CARE is built on Phi3.5-mini, it can be used even on mobile devices, increasing its usability. Our research also shows that CARE performs relatively well on various medical benchmarks, indicating that it can be used to make basic medical suggestions.
• Abstract（参考訳）: 大規模言語モデルは、その特定のドメインの特定のデータセットを微調整すると、優れたドメイン固有の質問応答能力を示す。 しかし、モデルの微調整には相当なトレーニング時間と相当なハードウェアが必要である。 本研究では,Phi3.5-miniを極小のハードウェアとデータで微調整した軽量モデルであるCARE(Customer Assistance and Response Engine)を提案する。 通信と銀行では、チャットボットは上記のドメインで定期的に顧客が直面する問題や問題に対処する。 医療分野において、CAREは、ユーザーが医療専門家に相談する前に取るべき基本的な診断と医療提案を提供することで、予備的な支援を提供する。 CAREはPhi3.5-mini上に構築されているため、モバイルデバイスでも使用でき、ユーザビリティが向上する。 また,CAREは様々な医療ベンチマークにおいて比較的良好に機能し,基本的な医学的提案を行う上でも有効であることを示す。

関連論文リスト

• COGNET-MD, an evaluation framework and dataset for Large Language Model benchmarks in the medical domain [1.6752458252726457]
  大規模言語モデル(LLM)は最先端の人工知能(AI)技術である。 医療領域認知ネットワーク評価ツールキット(COGNET-MD)について概説する。 医用テキストの解釈におけるLCMの能力を評価するのが困難であるスコアフレームを提案する。
  論文  参考訳（メタデータ） (2024-05-17T16:31:56Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• MedAide: Leveraging Large Language Models for On-Premise Medical Assistance on Edge Devices [7.042194397224198]
  大規模言語モデル(LLM)は、その顕著な自然言語処理(NLP)能力によって、様々な領域に革命をもたらしている。 しかし,資源制約のあるエッジコンピューティングや組み込みシステムにLLMをデプロイすることは,大きな課題となる。 これらの課題には、限られた医療施設とインフラを備えた遠隔地での医療支援の提供が含まれる。
  論文  参考訳（メタデータ） (2024-02-28T08:30:49Z)
• ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs [48.11532667875847]
  ChatCAD+は高品質な医療レポートを生成し、信頼できる医療アドバイスを提供するツールである。 信頼性レポート生成モジュールは、医療画像を解釈し、高品質な医療レポートを生成することができる。 Reliable Interactionモジュールは、信頼できる医療アドバイスを提供するために、信頼できる医療ウェブサイトからの最新の情報を活用する。
  論文  参考訳（メタデータ） (2023-05-25T12:03:31Z)
• PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
  大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。 LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。 PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
  論文  参考訳（メタデータ） (2023-04-27T18:29:05Z)
• Towards Medical Artificial General Intelligence via Knowledge-Enhanced Multimodal Pretraining [121.89793208683625]
  医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。 我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-04-26T01:26:19Z)
• ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language Model Meta-AI (LLaMA) Using Medical Domain Knowledge [8.584905227066034]
  本研究の目的は,医療アドバイスの精度を向上した専門言語モデルを作ることであった。 そこで我々は,10万件の患者-医師対話の大規模データセットを用いて,大規模言語モデルメタAI(LLaMA)の適応と精錬を行った。 実際の患者と医師の相互作用によるモデルの微調整により、患者のニーズを理解し、アドバイスを提供する能力は大幅に向上した。
  論文  参考訳（メタデータ） (2023-03-24T15:29:16Z)
• HEAR4Health: A blueprint for making computer audition a staple of modern healthcare [89.8799665638295]
  近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。 コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。 実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
  論文  参考訳（メタデータ） (2023-01-25T09:25:08Z)
• Artificial Intelligence Decision Support for Medical Triage [0.0]
  我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。 本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。 最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
  論文  参考訳（メタデータ） (2020-11-09T16:45:01Z)
• Universal Model for Multi-Domain Medical Image Retrieval [88.67940265012638]
  医用画像検索(MIR)は、医師が類似した患者のデータを素早く見つけるのに役立つ。 MIRはデジタル画像モダリティの多用により、ますます役に立ちつつある。 しかし、病院における様々なデジタル画像モダリティの人気もまた、MIRにいくつかの課題をもたらしている。
  論文  参考訳（メタデータ） (2020-07-14T23:22:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。