DSIT-Taxonomies

Mistral和GPT-4o在UKRI资助提案分析中优于DSIT-Taxonomies · 跟踪2个来源

一篇新的研究论文详细介绍了一个项目，该项目比较了三种大型语言模型（LLM）分析UKRI资助提案的方法。研究发现，Mistral和GPT-4o在提取研究实体方面表现相当，显著优于定制的DSIT-Taxonomies算法。基于Mistral的方法在主题分类准确率上也达到了90.5%，而DSIT-Taxonomies流程的准确率为71.4%，这表明Mistral是分析敏感资助数据的有效工具。