Conditioning Chat-GPT for information retrieval: the Unipa-GPT case study

要約

このペーパーでは、パレルモ大学で学生が学士/修士課程を選択するのを支援するために開発された、大規模言語モデルに依存するチャットボットである Unipa-GPT のアーキテクチャとトレーニングについて説明します。
Unipa-GPT は gpt-3.5-turbo に依存しており、European Researchs’ Night (SHARPER night) の文脈で発表されました。
私たちの実験では、検索拡張生成 (RAG) アプローチと微調整の両方を採用してシステムを開発しました。
Unipa-GPT のアーキテクチャ全体が示され、RAG と微調整されたシステムの両方が比較され、それらのパフォーマンスに関する簡単な説明が報告されます。
他の大規模言語モデルとのさらなる比較と、SHARPER 夜間の実験結果が示されています。

要約(オリジナル)

This paper illustrates the architecture and training of Unipa-GPT, a chatbot relying on a Large Language Model, developed for assisting students in choosing a bachelor/master degree course at the University of Palermo. Unipa-GPT relies on gpt-3.5-turbo, it was presented in the context of the European Researchers’ Night (SHARPER night). In our experiments we adopted both the Retrieval Augmented Generation (RAG) approach and fine-tuning to develop the system. The whole architecture of Unipa-GPT is presented, both the RAG and the fine-tuned systems are compared, and a brief discussion on their performance is reported. Further comparison with other Large Language Models and the experimental results during the SHARPER night are illustrated.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google