領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
為滿足食品安全監(jiān)管問答任務(wù)對模型準確性、合規(guī)性和可解釋性的高要求，解決現(xiàn)有大語言模型（large language model，LLM）在該領(lǐng)域應(yīng)用面臨的知識召回不精準、法規(guī)解析能力不足及計算成本高等問題，本研究基于檢索增強生成框架提出了一個智能問答系統(tǒng)，其核心是食品安全監(jiān)管大語言模型（food safety regulation large language model，F(xiàn)SR-LLM）。通過優(yōu)化數(shù)據(jù)庫存儲結(jié)構(gòu)、檢索策略及生成器，提升食品安全監(jiān)管問答的質(zhì)量和效率。首先構(gòu)建了食品安全知識圖譜（knowledge graph，KG）數(shù)據(jù)庫，以結(jié)構(gòu)化方式存儲法規(guī)條款、食品安全標準等數(shù)據(jù)，增強模型對食品領(lǐng)域知識的組織與調(diào)用能力。此外，在檢索階段，設(shè)計一種大模型引導(dǎo)檢索策略，利用LLM智能解析查詢語句，在食品安全監(jiān)管KG中準確地提取高度相關(guān)的信息，從而減少無關(guān)或誤導(dǎo)性內(nèi)容的召回。對于生成器（Generator）模塊，基于Qwen-7B-Chat模型采用低秩適應(yīng)微調(diào)，使模型更貼合食品安全監(jiān)管問答的需求，同時顯著降低計算成本，使其能夠在單張RTX 4090 GPU上完成訓(xùn)練。在所提食品安全問答數(shù)據(jù)集上的實驗結(jié)果表明，F(xiàn)SR-LLM在BLEU-4、Rouge-L和準確率指標上均優(yōu)于基線模型，展現(xiàn)出更高的精準度和語義連貫性，為食品安全監(jiān)管智能化提供了一種低成本、高效能、可擴展的解決方案。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺區(qū)洋橋70號
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號 京ICP備14033398號-2
