对话式因子信息检索模型（ConFIRM）
信息检索
2024-10-10 v4 人工智能
计算工程、金融与科学
计算与语言
机器学习
摘要
本文介绍了对话式因子信息检索方法（ConFIRM），一种用于微调大语言模型（LLM）以适配领域特定检索任务的新方法。ConFIRM 利用人格五因素模型生成准确反映目标人群特征的合成数据集，从而解决专业领域中的数据稀缺问题。我们通过金融领域的案例研究证明了 ConFIRM 的有效性，使用来自 PolyU-Asklora 金融科技采纳指数的性格对齐数据对 Llama-2-7b 模型进行微调。所得模型在金融查询分类中达到了 91% 的准确率，在 NVIDIA A100 GPU 上的平均推理时间为 0.61 秒。ConFIRM 在为各领域创建更精准且个性化的 AI 驱动信息检索系统方面展现出潜力，并可能缓解所部署 LLM 中的幻觉与信息过时问题。
引用
@article{arxiv.2310.13001,
title = {Conversational Factor Information Retrieval Model (ConFIRM)},
author = {Stephen Choi and William Gazeley and Siu Ho Wong and Tingting Li},
journal= {arXiv preprint arXiv:2310.13001},
year = {2024}
}
备注
8 pages, 2 figures, 2 tables, 2 appendices