| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Cilvēka anatomijas faktu pareizības novērtēšana ar lielo valodas modeļu palīdzību |
| Nosaukums angļu valodā |
Assessing the Accuracy of Human Anatomy Facts Using Large Language Models |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Arnis Staško |
| Recenzents |
Mihails Fraimans |
| Anotācija |
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. |
| Atslēgas vārdi |
LLM, uzvedne, apgalvojums, precizitāte, pārbaude, anatomija |
| Atslēgas vārdi angļu valodā |
LLM, AI, statement, factuality, anatomy, evaluation |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 19:03:51 |
