グラフ構造情報を統合したタバコ害虫・病害防除のためのLLM

本論文は、大規模言語モデル（LLM）の力を活用し、グラフ構造化された知識を統合することにより、実用的な問題（タバコの害虫と病気の制御）に取り組んでいます。 GraphRAGとGNNを使用して知識検索と推論を強化することは、重要な貢献です。特定のドメインに焦点を当て、ベースラインよりも優れたパフォーマンスを実証していることは、専門分野におけるLLMの貴重な応用を示唆しています。

• •ドメイン固有の問題解決のために、LLMとグラフ構造化された知識を組み合わせる。
• •知識検索と推論を強化するために、GraphRAGとGNNを採用。
• •タバコの害虫と病気の制御において、ベースライン手法よりも優れたパフォーマンスを実証。
• •パラメータ効率の高い適応のために、LoRAを備えたChatGLMベースのモデルを使用。