Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Việc tích hợp các mô hình ngôn ngữ quy mô lớn (LLM) vào quá trình nghiên cứu đã mang lại sự thay đổi lớn trong cách thức tiến hành các đánh giá có hệ thống. Các nhà nghiên cứu từ Sáng kiến ​​nghiên cứu đặc biệt ARC Bảo vệ Future môi trường Nam Cực (SAEF) đã khám phá cách LLM có thể được sử dụng để tăng hiệu quả phân tích tài liệu. Trọng tâm của họ là phản ứng toàn cầu của thực vật không có mạch đối với gió, một chủ đề đòi hỏi phải xem xét kỹ lưỡng một số lượng lớn các bài báo khoa học.

Nhóm SAEF đã đối mặt với thách thức là xác định nội dung có liên quan không được đề cập rõ ràng trong tiêu đề hoặc tóm tắt bài viết. Để giải quyết vấn đề này, họ đã triển khai ứng dụng hỏi đáp bằng cách sử dụng dịch vụ vi mô LlaMa 3.1 8B Instruct NIM. Công cụ này cho phép họ nhanh chóng tạo nguyên mẫu và tối ưu hóa lời nhắc để trích xuất thông tin chính từ tài liệu. Xác thực thủ công ban đầu đối với kết quả cho thấy kết quả khả quan, dẫn đến những cải tiến hơn nữa đối với quy trình trích xuất.

Để cải thiện hiệu suất của LLM, các nhà nghiên cứu đã tận dụng các dịch vụ vi mô NVIDIA NIM và nv-ingest, triển khai trên các GPU NVIDIA A100 80 GB mạnh mẽ. Họ cũng tinh chỉnh mô hình để cải thiện độ chính xác. Bằng cách chuyển đổi các bài báo thành các tệp JSON có cấu trúc và triển khai xử lý song song, họ có thể giảm đáng kể thời gian xử lý. Nhóm đã thử nghiệm nhiều LLM khác nhau từ danh mục API của NVIDIA và cuối cùng đã chọn Llama-3.1-8B-instruct, phù hợp nhất với nhu cầu của họ.

Tiến trình mà nhóm SAEF đạt được tại Generative AI Codefest đã chứng minh tiềm năng của AI trong việc chuyển đổi quy trình đánh giá có hệ thống. Bằng cách giảm đáng kể thời gian cần thiết để trích xuất thông tin từ các bài báo khoa học, họ đã chứng minh cách AI có thể giúp các nhà nghiên cứu có được những hiểu biết nhanh hơn và toàn diện hơn về lĩnh vực nghiên cứu của họ. Khi nhóm tiếp tục tinh chỉnh quy trình làm việc và giao diện người dùng, họ cam kết làm cho các công cụ AI này có thể tiếp cận được với cộng đồng nghiên cứu rộng lớn hơn, mở đường cho nghiên cứu liên ngành hiệu quả hơn.