
«`html
Университеты сталкиваются с жесткой глобальной конкуренцией. Рейтинги учебных заведений все больше связаны с Целями устойчивого развития (ЦУР) ООН. Эти рейтинги влияют на финансирование, международную репутацию и стратегии набора студентов.
Текущие методы отслеживания исследований по ЦУР основаны на традиционных запросах с использованием ключевых слов. Однако это приводит к тому, что многие статьи, не имеющие значимого вклада в ЦУР, могут быть ошибочно классифицированы как соответствующие.
Исследования показывают, что использование больших языковых моделей (LLM) может улучшить точность поиска. Эти модели могут генерировать семантически релевантные термины и расширять возможности поиска.
Исследователи из Virginia Tech предложили новый подход, используя ИИ-агента для оценки. Этот метод помогает отличать абстракты с реальными вкладами в ЦУР от тех, которые содержат лишь поверхностные упоминания.
Исследователи собрали данные из 20,000 статей и аннотаций для каждого из 17 ЦУР, используя базу данных Scopus. Они применили три компактные LLM для классификации абстрактов.
Результаты показывают значительные различия в интерпретации релевантности между различными моделями. Например, модель Phi-3.5-mini классифицировала 52% абстрактов как «Релевантные», в то время как Llama-3.2 только 15%.
Исследователи продемонстрировали потенциал малых, локально размещенных LLM как агентов оценки для улучшения классификации исследований по ЦУР. Эти модели помогают отличать значимые исследования от поверхностных упоминаний.
Если вы хотите, чтобы ваша компания развивалась с помощью ИИ, используйте методологию идентификации исследований по ЦУР.
Если вам нужны советы по внедрению ИИ, пишите нам в Телеграм.
Узнайте, как ИИ может изменить процесс продаж в вашей компании с решениями от saile.ru. Будущее уже здесь!
«`
Оставьте заявку — мы свяжемся с вами и расскажем, как начать работу