IPL：面向智能商品列表的多模态大语言模型
偏微分方程分析
2024-11-20 v2 最优化与控制
摘要
与专业的 B2C 电商平台（如Amazon）不同，消费者到消费者（C2C）平台（如Facebook 市场）主要面向缺乏电商经验的个人卖家。个人卖家常常难以撰写得当的商品描述。鉴于多模态大语言模型（MLLM）的最新进展，我们尝试将此类前沿生成式AI技术集成到商品列表过程中。为此，我们开发了IPL——一个为生成商品描述而量身打造的工具，能够利用诸如类别、品牌、颜色、成色等various商品属性。IPL 使用户仅需上传商品照片即可撰写商品描述。更重要的是，它能够模仿我们的 C2C 平台 Xianyu 的内容风格。这通过对 MLLM 进行领域特定指令调优和采用多模态检索增强生成（RAG）过程实现。综合的实证评估表明，IPL 的底层模型在领域特定任务方面显著优于基础模型，同时生成内容还能显著降低幻觉。IPL 已成功部署在我们的生产系统中，72%的用户基于生成内容发布了商品列表，而这些商品列表的质量得分比没有AI辅助的商品列表高出5.6%。
引用
@article{arxiv.2410.16976,
title = {Stabilization of a perturbed quintic defocusing Schr\"odinger equation in $\mathbb{R}^{3}$},
author = {Pablo Braz e Silva and Roberto de A. Capistrano-Filho and Jackellyny Dassy do Nascimento Carvalho and David dos Santos Ferreira},
journal= {arXiv preprint arXiv:2410.16976},
year = {2024}
}
备注
This version has been submitted with minor revisions and an updated bibliography. Feedback is highly appreciated. 56 pages. arXiv admin note: text overlap with arXiv:1004.2768 by other authors