Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

大規模言語モデル (LLM) を研究プロセスに統合したことで、体系的レビューの実施方法に大きな変化がもたらされました。ARC 特別研究イニシアチブ「南極の環境のFutureを守る (SAEF)」の研究者は、LLM を使用して文献分析の効率を高める方法を模索してきました。彼らの焦点は、膨大な数の科学論文を精査する必要があるトピックである、非維管束植物の風に対する世界的な反応です。

SAEF チームは、記事のタイトルや概要に明示的に記載されていない関連コンテンツを特定するという課題に直面しました。これに対処するために、LlaMa 3.1 8B Instruct NIM マイクロサービスを使用して質疑応答アプリケーションを実装しました。このツールにより、文献から重要な情報を抽出するためのプロンプトを迅速にプロトタイプ化し、最適化することができました。結果の最初の手動検証では有望な結果が示され、抽出プロセスのさらなる改善につながりました。

研究者たちは、LLM のパフォーマンスを向上させるために、NVIDIA NIM マイクロサービスと nv-ingest を活用し、強力な NVIDIA A100 80 GB GPU に展開しました。また、モデルを微調整して精度を向上させました。論文を構造化されたJSONファイルに変換し、並列処理を実装することで、処理時間を大幅に短縮できました。チームは、NVIDIA APIカタログからさまざまな LLM をテストし、最終的にニーズに最も適した Llama-3.1-8B-instruct を選択しました。

生成AI Codefest で SAEF チームが成し遂げた進歩は、体系的レビュー プロセスを変革する AI の可能性を実証しました。科学論文から情報を抽出するのに必要な時間を大幅に短縮することで、研究者が AI によって研究分野に関するより迅速かつ包括的な洞察を得られることを実証しました。チームはワークフローとユーザー インターフェイスの改良を続けながら、これらの AI ツールをより幅広い研究コミュニティが利用しやすくし、より効率的な学際的研究への道を切り開くことに尽力しています。