多智能体 RAG 与 LLM 的可持续商业数字化
信息检索
2025-02-25 v1 人工智能
计算与语言
摘要
企业广泛依赖来自新闻文章、财务报告和消费者评论等多渠道数据的分析，以驱动运营决策并识别机遇。然而，传统的人工数据提取方法往往耗时耗力，推动了数字化转型以提高效率。然而，关于此类倡议可持续性及其与联合国可持续发展目标 (UN SDGs) 的一致性仍存疑虑。本研究旨在探讨将大语言模型 (LLM) 与检索增强生成 (RAG) 集成作为信息提取 (IE) 和处理的可持续解决方案。研究方法涉及审阅现有商业决策解决方案，许多系统需要训练新的机器学习模型，这些模型资源消耗大且对环境产生显著影响。相反，我们提出一种面向商业的可持续解决方案，利用预训练的 LLM 可与多样化数据集协同工作。我们将领域特定数据集链接到定制化 LLM 以满足企业需求，并采用多智能体架构将信息检索、丰富化和分类等任务分配给专门的智能体。这种方法优化了提取过程并提高了整体效率。通过运用这些技术，企业可优化资源利用，改进决策流程，推动可持续发展目标的实现，从而在企业部门中培育环境责任感。
引用
@article{arxiv.2502.15700,
title = {Sustainable Digitalization of Business with Multi-Agent RAG and LLM},
author = {Muhammad Arslan and Saba Munawar and Christophe Cruz},
journal= {arXiv preprint arXiv:2502.15700},
year = {2025}
}