利用大语言模型识别和分解膳食计划中的复合食材

本研究探讨了大语言模型在膳食计划中的有效性，重点关注其识别和分解复合食材的能力。我们评估了三个模型——GPT-4o、Llama-3（70b）和Mixtral（8x7b）——以评估它们在识别和分解复杂食材组合方面的熟练程度。初步结果表明，虽然Llama-3（70b）和GPT-4o在准确分解方面表现出色，但所有模型在识别调味料和油脂等必需成分方面都遇到困难。尽管整体表现强劲，但各模型之间在准确性和完整性方面存在差异。这些发现强调了大语言模型在提升个性化营养方面的潜力，但也指出了在食材分解方面需要进一步改进。未来的研究应解决这些局限性，以改善营养建议和健康结果。