FoodPuzzle：开发基于大语言模型代理的风味科学家
计算与语言
2024-10-08 v3 人工智能
摘要
食品行业的风味开发日益受到快速创新和精确风味轮廓创建需求的挑战。传统的风味研究方法通常依赖于迭代的、主观的测试，缺乏满足现代需求的效率和可扩展性。为解决这些挑战，本文作了三个贡献。首先，我们定义了风味科学中科学代理的新问题领域，概念化为风味轮廓来源和理解的假设生成。为促进该领域的研究，我们引入FoodPuzzle，一个包含978个食品条目和1766个风味分子轮廓的具有挑战性的基准数据集。我们提出了一种新的科学代理方法，集成了情境学习和检索增强技术，用于在食品科学领域生成有依据的假设。实验结果表明，我们的方法在风味轮廓预测任务中显著优于传统方法，展示了其在改变风味开发实践方面的潜力。
引用
@article{arxiv.2409.12832,
title = {FoodPuzzle: Developing Large Language Model Agents as Flavor Scientists},
author = {Tenghao Huang and Donghee Lee and John Sweeney and Jiatong Shi and Emily Steliotes and Matthew Lange and Jonathan May and Muhao Chen},
journal= {arXiv preprint arXiv:2409.12832},
year = {2024}
}