移动应用中的大语言模型：实践、挑战与机遇
计算机视觉与模式识别
2025-02-25 v1 人工智能
摘要
AI技术的集成在软件开发中日益受到欢迎，旨在提升性能、可用性和智能功能的可用性。随着大型语言模型（LLM）和生成式AI的兴起，开发者现在可以使用来自开源模型和封闭源提供商的丰富API，更轻松地进行实验和集成LLM到各种系统中。这也为移动应用（app）开发开辟了新的可能性，使其能够实现更个性化和更智能的应用。然而，将LLM集成到移动应用中可能为开发者带来独特的挑战，尤其是涉及移动设备限制、API管理和代码基础设施。为了更好地理解LLM如何在移动应用中部署和使用，我们构建了一个包含149个LLM-enabled Android应用的全面数据集，并进行了探索性分析以了解LLM在移动应用中的部署方式和使用方式。该分析突出了数据集的关键特征、常见的集成策略以及开发者所面临的常见挑战。我们的发现为未来研究和面向增强LLM-enabled移动应用的工具开发提供了宝贵见解。
引用
@article{arxiv.2502.15907,
title = {Graph Attention Convolutional U-NET: A Semantic Segmentation Model for Identifying Flooded Areas},
author = {Muhammad Umair Danish and Madhushan Buwaneswaran and Tehara Fonseka and Katarina Grolinger},
journal= {arXiv preprint arXiv:2502.15907},
year = {2025}
}