يركز بحثنا على مجموعة متنوعة من التعلم الآلي وتطبيقات نماذج اللغة الكبيرة في رعاية مرضى السرطان. ويشمل ذلك تحسين الرعاية المباشرة للمرضى ومعالجة التحديات التشغيلية مثل الجدولة والتوثيق. نحن نحاول في النهاية الإجابة على السؤال ، كيف يمكن لهذه التقنيات أن تجعل الرعاية الصحية أفضل للمرضى ومقدمي الخدمات والباحثين؟
بدأت النماذج اللغوية الكبيرة بالفعل في تحويل المشهد البحثي. أصبحت مهام معالجة اللغة الطبيعية الباهظة في السابق سهلة الوصول للعديد من الباحثين ، مما يتيح العديد من خطوط البحث الجديدة التي تتضمن بيانات غير منظمة. يتمثل التحدي الرئيسي في المشهد سريع التغير لأدوات النماذج اللغوية الكبيرة والبنية التحتية.
قد يكون لدى العديد من الأطباء والباحثين أفكار للتطبيقات ولكن ليس لديهم حاليا المعرفة السياقية أو التقنية اللازمة للتنفيذ ، أو النظر المدروس في المقايضات بين الأساليب المختلفة. لبدء تثبيت Git و python و PIP على الكمبيوتر ، وقم بتشغيل الأوامر في محطة طرفية للتحقق من التثبيت. ثم قم بتشغيل الأمر git clone لتنزيل المستودع وتثبيت المتطلبات اللازمة.
لإنشاء قاعدة بيانات متجهة، قم بتحرير التكوين. py، استبدال قيمة المتغير التالي بمسار الملف إلى المجلد الذي يحتوي على المستندات التي سيتم استخدامها لزيادة نموذج اللغة الكبير. ثم احفظ الملف المحدث في دليل المقالات.
بعد ذلك، في محطة طرفية في نفس الدليل، قم بتنفيذ التعليمات البرمجية باستخدام الأمر Python 3 build index لإنشاء قاعدة البيانات واستمرارها تحقق مما إذا كانت قاعدة البيانات محفوظة الآن في مجلد قاعدة بيانات vector. للاستعلام عن LLM المعزز ، قم بتنفيذ Python 3 run augmented llm.
py في المحطة الطرفية. اختبار استعلامات المستخدم لتلقي الاستجابات التي يتم تعزيزها بالبيانات من مجموعة المستندات. ثم اضغط على Control بالإضافة إلى C للخروج عند الانتهاء.
لإنشاء MCQs، قم بتحرير أسئلة الملف. py ، مع ملاحظة شكل الأمثلة. أضف أسئلة بتنسيق مماثل ، واحفظ الملف.
لتحرير التكوين. pi ، أضف مفتاح API لفتح الذكاء الاصطناعي أو معانقة الوجه. إذا كان الهدف هو المقارنة مع النماذج من أي من مقدمي الخدمة.
الآن احفظ الملف. ثم قم بتحرير مقارنة LLMS. PY ، واختر مجموعة النماذج المراد اختبارها.
بعد إلغاء التعليق على النماذج المراد مقارنتها. أخيرا ، في محطة طرفية ، قم بتنفيذ التعليمات البرمجية باستخدام الأمر مقارنة llms وبعد التنفيذ اعرض استجابات النموذج في المجلد المحدد للتقدير أو المراجعة الأخرى. من بين MCQs التي تم اختبارها ، كان أداء نموذج التضمين أفضل بكثير من النموذج الأساسي ، كما فعلت نماذج الذكاء الاصطناعي المفتوح المعزز.