研究人员开发了一个使用大型语言模型（LLMs）自动创建交通管理计划（TMPs）的框架，并以威斯康星州交通部的 WisTMP 系统为例进行了研究。该方法包括在本地对开源 LLMs 进行微调以确保数据安全，并从历史 TMP 文档中创建特定领域的数据库。虽然 LLMs 在提高效率和生成内容方面展现出潜力，但它们在项目特定理由、准确的成本估算和过度生成策略方面仍存在困难。研究还发现，将 LLMs 的参数从 7B/8B 扩展到 14B 仅带来了边际性能提升。 AI
影响 LLMs 有潜力简化复杂的文档流程，但诸如准确性和理由说明等特定领域的挑战仍然存在。
排序理由 详细介绍 LLM 应用案例研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- JSON
- Large Language Models
- Transportation Management Plans
- Wisconsin Department of Transportation
- WisTMP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
