Εντοπίστηκε ένα σφάλμα στη λειτουργία της ΠΥΞΙΔΑΣ όταν χρησιμοποιείται μέσω του προγράμματος περιήγησης Safari. Μέχρι να αποκατασταθεί το πρόβλημα, προτείνουμε τη χρήση εναλλακτικού browser όπως ο Chrome ή ο Firefox. A bug has been identified in the operation of the PYXIDA platform when accessed via the Safari browser. Until the problem is resolved, we recommend using an alternative browser such as Chrome or Firefox.
 

Finetuning of open source LLMs for specific domains

dc.contributor.degreegrantinginstitutionAthens University of Economics and Business, Department of Informaticsen
dc.contributor.opponentVrontos, Ioannisen
dc.contributor.opponentAndroutsopoulos, Ionen
dc.contributor.thesisadvisorVassalos, Vasiliosen
dc.creatorStavropoulos, Christosen
dc.creatorΣταυρόπουλος, Χρήστοςel
dc.date.accessioned2025-03-26T19:09:42Z
dc.date.available2025-03-26T19:09:42Z
dc.date.issued07-03-2024
dc.date.submitted2024-03-17 15:18:37
dc.description.abstractΤα μεγάλα γλωσσικά μοντέλα επιδεικνύουν εξαιρετικές δυνατότητες στην κατανόηση της γλώσσας, παρουσιάζοντας υψηλές επιδόσεις σε διάφορες εργασίες επεξεργασίας φυσικής γλώσσας. Ωστόσο, η απόδοσή τους συχνά μειώνεται σε εξειδικευμένους τομείς, όπως το δίκαιο, η υγειονομική περίθαλψη και τα οικονομικά, λόγω της εξειδικευμένης ορολογίας και της σύνθετης χρήσης της γλώσσας σε αυτούς τους τομείς. Η απόδοσή τους μπορεί να βελτιωθεί περαιτέρω προσαρμόζοντας αυτά τα μοντέλα σε συγκεκριμένους τομείς ή εργασίες μέσω μιας διαδικασίας που ονομάζεται finetuning. Στη παρούσα διπλωματική θα ερευνήσουμε την δυνατότητα αναπαραγωγής προσαρμοσμένων μοντέλων στα χρηματοοικονομικά, διερευνάμε επίσης πιθανές βελτιώσεις και αξιολογούμε την αποτελεσματικότητα της προσαρμογής. Τέλος θα εξετάσουμε τις δυνατότητες προσαρμογής στον τομέα του Ανθρώπινου Δυναμικού.el
dc.description.abstractLarge Language Models (LLMs) demonstrate remarkable capabilities in general language understanding exhibiting great performance in various natural language processing (NLP) tasks. Yet, their performance may face difficulties in specialized domains like law, healthcare and finance. This is a cause of specialized language and intricate terminologies found in these domains. Finetuning, a technique used to tailor LLMs to specific tasks, plays a crucial role in successfully adapting LLMs for specialized domains. This thesis investigates finetuning and efficient finetuning techniques. We will also investigate the replicability of the FinGPT methodology, explore potential enhancements, and evaluate the effectiveness of finetuning for domain-specific LLM development. Lastly, the potential of finetuning LLMs for Human Resources will be investigated.en
dc.embargo.expire2024-03-17 15:18:37
dc.embargo.ruleOpen access
dc.format.extent45p.
dc.identifierhttp://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11092
dc.identifier.urihttps://pyxida.aueb.gr/handle/123456789/1354
dc.languageen
dc.rightsCC BY: Attribution alone 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectΜεγάλα γλωσσικά μοντέλαel
dc.subjectΠροσαρμογήel
dc.subjectΤεχνητή νοημοσύνηel
dc.subjectLarge language modelsen
dc.subjectFinetuningen
dc.subjectArtificial Intelligence (AI)en
dc.titleFinetuning of open source LLMs for specific domainsen
dc.title.alternativeΠροσαρμογή μεγάλων γλωσσικών μοντέλων σε εξειδικευμένους τομείςel
dc.typeText

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Τώρα δείχνει 1 - 1 από 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Stavropoulos_2024.pdf
Μέγεθος:
1.77 MB
Μορφότυπο:
Adobe Portable Document Format