研究人员开发并部署了一个用于乌兹别克法律问题的检索增强生成（RAG）系统，解决了低资源语言和操作限制的挑战。该系统在云端模式下运行以获得最佳质量，并在本地模式下运行以保护数据隐私，在有限的硬件上利用开放权重模型。他们创建了新的检索和端到端性能基准，发现微调可以有效地缩小乌兹别克语开放模型和专有模型之间的差距，从而开发了UTE-1文本嵌入器。 AI
影响 这项工作展示了在资源受限环境中部署基于LLM的法律助手的实用方法，并有可能为其他低资源语言提供类似的解决方案。
排序理由 该集群描述了一篇研究论文，详细介绍了为低资源语言开发和部署的专用RAG系统，包括新的基准和微调模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.29284v1 Announce Type: new Abstract: Deploying large language models for legal question answering raises challenges that general-purpose leaderboards do not capture, particularly for low-resource languages and under hard operational constraints. We report on building a…
Deploying large language models for legal question answering raises challenges that general-purpose leaderboards do not capture, particularly for low-resource languages and under hard operational constraints. We report on building and operating a retrieval-augmented (RAG) legal a…