近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于Cha...近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于ChatGLM3-6B模型进行定向微调。该数据集采用Alpaca格式构建,覆盖了包装设计、材料说明、生产流程、设备操作等多个典型应用场景。在该数据集上进行微调实验,模型在印刷包装相关任务上表现出更强的语言理解与任务完成能力。实验结果表明,领域微调能够有效提升模型的实用性与专业性。本研究为大语言模型在传统制造行业的落地应用提供了新思路。展开更多
文摘近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于ChatGLM3-6B模型进行定向微调。该数据集采用Alpaca格式构建,覆盖了包装设计、材料说明、生产流程、设备操作等多个典型应用场景。在该数据集上进行微调实验,模型在印刷包装相关任务上表现出更强的语言理解与任务完成能力。实验结果表明,领域微调能够有效提升模型的实用性与专业性。本研究为大语言模型在传统制造行业的落地应用提供了新思路。
