המחקר שלנו מתמקד במגוון רחב של יישומי למידת מכונה ומודלים גדולים של שפה בטיפול בסרטן. זה כולל הן שיפור הטיפול הישיר בחולים והן טיפול באתגרים תפעוליים כגון תזמון ותיעוד. בסופו של דבר אנחנו מנסים לענות על השאלה, איך הטכנולוגיות האלה יכולות לשפר את שירותי הבריאות עבור מטופלים, ספקים וחוקרים?
מודלים גדולים של שפה כבר החלו לשנות את נוף המחקר. משימות עיבוד שפה טבעית שהיו אסורות בעבר הפכו נגישות לחוקרים רבים יותר, ואפשרו קווי מחקר חדשים רבים הכוללים נתונים לא מובנים. אתגר מרכזי הוא הנוף המשתנה במהירות של כלים ותשתיות של מודלים גדולים של שפה.
לקלינאים ולחוקרים רבים עשויים להיות רעיונות ליישומים, אך אין להם כרגע את הידע הקונטקסטואלי או הטכני הדרוש ליישום, או התחשבות בפשרות של גישות שונות. כדי להתחיל להתקין Git, python ו- PIP במחשב והפעל את הפקודות במסוף כדי לאמת את ההתקנה. לאחר מכן הפעל את הפקודה git clone כדי להוריד את המאגר ולהתקין את הדרישות הדרושות.
כדי ליצור מסד נתונים וקטורי, ערוך את התצורה. קובץ py, החלפת הערך של המשתנה הבא בנתיב הקובץ לתיקייה המכילה את המסמכים שישמשו להגדלת מודל השפה הגדולה. לאחר מכן שמור את הקובץ המעודכן בספריית המאמרים.
לאחר מכן, במסוף באותה ספרייה, בצע את הקוד עם פקודת אינדקס הבנייה של Python 3 כדי ליצור ולהתמיד במסד הנתונים. ודא אם מסד הנתונים נשמר כעת בתיקיית מסד הנתונים הווקטורי. כדי לבצע שאילתה על LLM מוגברת, בצע את Python 3 run augmented llm.
פקודת PY בטרמינל. בדוק שאילתות משתמש כדי לקבל תגובות המוגדלות על-ידי הנתונים מערכת המסמכים. לאחר מכן לחץ על Control בתוספת C כדי לצאת בסיום.
ליצירת MCQs, ערוך את שאלות הקובץ. py, לשים לב לפורמט של דוגמאות. הוסף שאלות בתבנית דומה ושמור את הקובץ.
כדי לערוך את התצורה. קובץ pi, הוסף את מפתח ה- API עבור AI פתוח או פנים מחבקות. אם המטרה היא להשוות מודלים של אחד הספקים.
כעת שמור את הקובץ. לאחר מכן ערוך את llms השוואה. קובץ py, ובחר את קבוצת הדגמים לבדיקה.
לאחר ביטול הערות המודלים להשוות נגד. לבסוף, במסוף, בצע את הקוד עם הפקודה להשוות llms ולאחר ביצוע הצג את תגובות המודל בתיקייה שצוינה לדירוג או סקירה אחרת. מבין ה-MCQs שנבדקו, מודל ההטמעה הפגין ביצועים טובים משמעותית ממודל הבסיס, וכך גם מודלי הבינה המלאכותית הפתוחה הרבודה.