使用监督微调和直接偏好优化的大语言模型进行食谱食材替换
计算与语言
2024-12-09 v1
摘要
本文解决了通过食材替换实现食谱个性化的挑战。我们利用大语言模型（LLMs）构建了一个食材替换系统，旨在预测给定食谱上下文中的合理替代食材。鉴于LLMs在此任务中的应用尚属空白，我们进行了大量实验以确定最佳的LLM、提示和微调设置。我们进一步实验了多任务学习、两阶段微调和直接偏好优化（DPO）等方法。实验使用公开可用的Recipe1MSub语料库进行。最佳结果由经过微调和DPO的Mistral7-Base LLM产生，其Hit@1分数为22.04，超越了该语料库上可用的强基线。因此，我们相信这项研究代表了利用LLM-based食材替换实现个性化和创造性烹饪体验的重要一步。
引用
@article{arxiv.2412.04922,
title = {Large Language Models for Ingredient Substitution in Food Recipes using Supervised Fine-tuning and Direct Preference Optimization},
author = {Thevin Senath and Kumuthu Athukorala and Ransika Costa and Surangika Ranathunga and Rishemjit Kaur},
journal= {arXiv preprint arXiv:2412.04922},
year = {2024}
}