في [دراسة](/tag/دراسة) مثيرة تم نشرها مؤخرًا، تم [تقييم أداء](/tag/[تقييم](/tag/تقييم)-[أداء](/tag/أداء)) [نماذج [اللغة](/tag/اللغة) الكبيرة](/tag/[نماذج](/tag/نماذج)-[اللغة](/tag/اللغة)-الكبيرة) ([LLM](/tag/llm)) في مهام الأسئلة والأجوبة المتعلقة بالحصول على رخصة الصيدلة، مع التركيز على [تطوير](/tag/تطوير) طريقة مبتكرة لدمج [المعرفة](/tag/المعرفة) الخارجية لزيادة [الدقة](/tag/الدقة). استخدم الباحثون [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) تضم 141 سؤالًا في مجال الصيدلة لتحديد [أداء](/tag/أداء) عشرة [نماذج](/tag/نماذج) بمختلف أحجام المعلمات (من 8 مليار إلى أكثر من 70 مليار).
وقد تراوحت [دقة](/tag/دقة) [الأداء](/tag/الأداء) الأساسي بين 46% و92%، حيث حقق [نموذج GPT](/tag/[نموذج](/tag/نموذج)-gpt)-5 أعلى الدرجات بنسبة 92%، يليه [نموذج](/tag/نموذج) [o3](/tag/o3) بنسبة 89%، بينما أظهرت [النماذج المفتوحة](/tag/[النماذج](/tag/النماذج)-المفتوحة) المصدر الأصغر أداءً أدنى بكثير.
تقدم [الدراسة](/tag/الدراسة) [نموذج](/tag/نموذج) DrugRAG، وهو نظام يتكون من ثلاث خطوات لعملية [التوليد](/tag/التوليد) المعززة بالاسترجاع ([RAG](/tag/rag)). يقوم هذا النظام بالبحث عن [معلومات](/tag/معلومات) دوائية هيكلية مبنية على الأدلة، ويعزز مدخلات [النماذج](/tag/النماذج) بالمعلومات الدوائية السياقية، مع العمل التلقائي المطلوب دون تغيير في [معمارية](/tag/معمارية) أو معلمات النموذج.
أسفرت الاختبارات عن [زيادة الدقة](/tag/زيادة-[الدقة](/tag/الدقة)) [عبر](/tag/عبر) جميع [النماذج](/tag/النماذج) الخمسة التي تم تقييمها، مع زيادات تتراوح بين 7 إلى 21 نقطة مئوية. على سبيل المثال، [تطور](/tag/تطور) [أداء](/tag/أداء) [نموذج](/tag/نموذج) [Gemma 3](/tag/gemma-3) 27B من 61% إلى 71%، بينما ارتفعت [دقة](/tag/دقة) [نموذج Llama](/tag/[نموذج](/tag/نموذج)-llama) 3.1 8B من 46% إلى 67%.
تمت المشاركة في [تحليلات](/tag/تحليلات) McNemar التي أظهرت تحسنات مرتبطة إحصائيًا، كانت ملحوظة بشكل رئيسي في [نماذج](/tag/نماذج) [المصادر المفتوحة](/tag/المصادر-المفتوحة) الأصغر والمتوسطة. تبيّن هذه النتائج أن دمج [المعرفة](/tag/المعرفة) الدوائية الخارجية من خلال DrugRAG يمكن أن يحسن [أداء](/tag/أداء) [نماذج [اللغة](/tag/اللغة) الكبيرة](/tag/[نماذج](/tag/نماذج)-[اللغة](/tag/اللغة)-الكبيرة) في مهام الأسئلة والأجوبة المتعلقة بالصيدلة دون الحاجة إلى [تعديل النماذج](/tag/[تعديل](/tag/تعديل)-[النماذج](/tag/النماذج)) الأساسية. إن تطبيق DrugRAG يوفر مسارًا عمليًا لتعزيز [تطبيقات الذكاء الاصطناعي](/tag/[تطبيقات](/tag/تطبيقات)-الذكاء-الاصطناعي) الدوائية المبنية على [الأدلة](/tag/الأدلة).
دراسة مبتكرة: تعزيز أداء نماذج اللغة الكبيرة في الصيدلة مع DrugRAG
هل يمكن لدمج المعرفة الدوائية الخارجية أن يحسن من دقة نماذج اللغة الكبيرة؟ دراسة جديدة تسلط الضوء على DrugRAG كأداة فعالة لتحسين أداء نماذج الذكاء الاصطناعي في مهام الأسئلة والأجوبة المتعلقة بالصيدلة.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
