From User Preferences to Optimization Constraints Using Large Language Models

要約

この作業では、大規模な言語モデル（LLM）を使用して、ユーザーの好みを家電製品のエネルギー最適化制約に変換します。
自然言語のユーザー発話が、再生可能エネルギーコミュニティ（REC）のより広いコンテキストおよびイタリアのシナリオの中で、スマートアプライアンスの正式な制約に変換されるタスクについて説明します。
イタリアのゼロショット、ワンショット、および少数のショット学習設定に頼るこれらの設定を翻訳する際に、現在利用可能なさまざまなLLMの有効性を評価します。
私たちの貢献には、このタスクのベースラインパフォーマンスの確立、さらなる研究のためにデータセットとコードを公開し、この特定のドメインで観察されたベストプラクティスとLLMの制限に関する洞察を提供することが含まれます。

要約(オリジナル)

This work explores using Large Language Models (LLMs) to translate user preferences into energy optimization constraints for home appliances. We describe a task where natural language user utterances are converted into formal constraints for smart appliances, within the broader context of a renewable energy community (REC) and in the Italian scenario. We evaluate the effectiveness of various LLMs currently available for Italian in translating these preferences resorting to classical zero-shot, one-shot, and few-shot learning settings, using a pilot dataset of Italian user requests paired with corresponding formal constraint representation. Our contributions include establishing a baseline performance for this task, publicly releasing the dataset and code for further research, and providing insights on observed best practices and limitations of LLMs in this particular domain

arxiv情報

提供元, 利用サービス

arxiv.jp, Google