AgriLLM:利用Transformer模型解答农民咨询
计算与语言
2024-10-03 v2 新兴技术
摘要
农业对于全球生计至关重要,但由于缺乏有组织的领域专家,尤其是在许多农民贫困且无力负担专家咨询的发展中国家,亟需创新解决方案。农民求助热线等举措在此类国家发挥着关键作用,但高运营成本等挑战依然存在。自动化查询解答可以减轻传统呼叫中心的负担,为农民提供即时且与情境相关的信息。农业与人工智能(AI)的融合为赋能农民、弥合信息鸿沟提供了变革性机遇。像Transformer这样的语言模型,作为AI领域的新星,具有卓越的语言理解能力,使其成为解决农业信息鸿沟的理想工具。本研究探索并展示了大型语言模型(LLM)在利用其解读自然语言和理解上下文方面的专长,自动化解答农民查询方面的变革潜力。利用在印度收集的包含大量真实世界农民查询的数据集子集,我们的研究重点关注来自泰米尔纳德邦的大约400万条查询,涵盖了不同领域、季节性作物和查询类型。
引用
@article{arxiv.2407.04721,
title = {AgriLLM: Harnessing Transformers for Farmer Queries},
author = {Krish Didwania and Pratinav Seth and Aditya Kasliwal and Amit Agarwal},
journal= {arXiv preprint arXiv:2407.04721},
year = {2024}
}
备注
Accepted at the 3rd Workshop on NLP for Positive Impact @ EMNLP . Also Accepted at Undergraduate Consortium at KDD 2024 (KDD-UC)