| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Cilvēka anatomijas faktu pareizības novērtēšana ar lielo valodas modeļu palīdzību |
| Title in English |
Assessing the Accuracy of Human Anatomy Facts Using Large Language Models |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Arnis Staško |
| Reviewer |
Mihails Fraimans |
| Abstract |
Šajā bakalaura darbā tiek pētīta piecu lokālo lielo valodas modeļu – LLama 3.1, Mistral-Nemo, DeepSeek-R1, Gemma2 un Falcon3 – spēja novērtēt cilvēka anatomijas faktu pareizību, izmantojot dažādas uzvedņu inženierijas metodes.
Darba teorētiskajā daļā tiek apskatītas LLM halucināciju īpatnības, faktu pareizības novērtēšanas pieejas un uzvedņu inženierijas paņēmieni medicīnas jomā. Praktiskajā daļā tika izstrādāts Python automatizācijas risinājums apgalvojumu nosūtīšanai modeļiem un atbilžu apkopošanai, kā arī izveidota sabalansēta cilvēka anatomijas apgalvojumu datu kopa ar trim sarežģītības līmeņiem.
Prakstiskās daļas ietvaros tika salīdzinātas piecas uzvedņu metodes: uzvedne bez piemēriem, uzvedne ar diviem piemēriem, domu ķēdes uzvedne, paškonsekvences uzvedne un strukturētā domu ķēdes uzvedne. Darba rezultātā tika secināts, ka labāko precizitāti uzrāda Gemma2 9B modelis ar paškonsekvences metodi.
Darbs sniedz izvēlēto lokālo modeļu un specifisku piecu uzvedņu salīdzinošu analīzi un rekomendācijas modeļa - uzvednes labākā pāra izmantošanai praksē.
Darbs satur 52 lappusi, 14 attēlus, 12 tabulas, 6 pielikumus un 36 izmantotus informācijas avotus. |
| Keywords |
LLM, uzvedne, apgalvojums, precizitāte, pārbaude, anatomija |
| Keywords in English |
LLM, AI, statement, factuality, anatomy, evaluation |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 19:03:51 |
