TAMUSA-Chat：面向研究与负责任部署的领域适应型大语言模型对话系统
计算与语言
2026-03-12 v1 人工智能
机器学习
摘要
本文介绍了TAMUSA-Chat，一个面向研究的框架，用于构建领域适应型大语言模型对话系统。该工作通过监督微调、检索增强生成和系统化评估方法，解决了将通用基础模型适配到机构背景的关键挑战。我们描述了完整的架构，包括来自机构来源的数据获取、预处理管道、嵌入构建、模型训练工作流程以及部署策略。该系统集成了模块化组件，支持可重复实验，涵盖训练配置、超参数和评估协议。我们的实现展示了学术机构如何在保持透明度、治理合规和负责任AI实践的前提下，开发具有上下文导向性的对话代理。通过对不同模型规模和训练迭代次数下微调行为的经验分析，我们提供了关于领域适应效率、计算资源需求以及质量成本权衡的见解。该项目在 https://github.com/alsmadi/TAMUSA_LLM_Based_Chat_app 上公开，支持针对机构LLM部署、评估方法论以及教育AI系统的伦理考量的后续研究。
引用
@article{arxiv.2603.09992,
title = {TAMUSA-Chat: A Domain-Adapted Large Language Model Conversational System for Research and Responsible Deployment},
author = {Izzat Alsmadi and Anas Alsobeh},
journal= {arXiv preprint arXiv:2603.09992},
year = {2026}
}