新框架通过QLoRA微调增强多模态意见抽取

研究人员开发了一个新框架，用于从多模态和多语言数据流中抽取核心意见，特别针对科技情报（STI）。该方法使用VideoLLaMA2和VideoLLaMA2.1作为基础模型，并在2,194个样本的数据集上使用QLoRA进行微调。与零样本设置相比，微调后的模型在生成结构化JSON核心意见输出方面表现出改进的性能，显著提高了西班牙语和俄语的抽取F1分数。此外，还集成了一个基于模糊累积前景理论的抽取后分诊模块，用于评估下游筛选的案例级别价值。 AI

影响 这项研究可以提高情报分析中大规模多模态和多语言数据集的信息过滤效率和准确性。

排序理由 该集群包含一篇学术论文，详细介绍了一种使用微调LLM的意见抽取新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• QLoRA
• Russian
• ScienceCast
• Spanish
• VideoLLaMA2
• VideoLLaMA2.1

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →