Busca avançada
Ano de início
Entree

Ajuste Fino de LLM com Instruction Fine-Tuning e Avaliação de Zero-Shot Learning no Domínio Jurídico

Processo: 24/18041-0
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Data de Início da vigência: 01 de novembro de 2024
Data de Término da vigência: 28 de fevereiro de 2026
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Ricardo Marcondes Marcacini
Beneficiário:Jorge Carlos Valverde Rebaza
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:23/10100-4 - Desenvolvimento de Grandes Modelos de Língua para Aplicações no Domínio Jurídico, AP.PP
Assunto(s):Aprendizado computacional
Palavra(s)-Chave do Pesquisador:Dados no domínio Jurídico | Fine-tuning de LLMs | Grandes Modelos de Linguagem | LLM Evaluation Metrics | machine learning | Shot-based learning | Inteligência Artificial Generativa

Resumo

O bolsista deve aprimorar grandes modelos de linguagem (LLMs) no domínio jurídico da Procuradoria-Geral da Fazenda Nacional (PGFN) por meio de instruction fine-tuning e zero-shot learning. Para tal, irá realizar tarefas desde a coleta de dados a análise do desempenho dos modelos. Espera-se que os modelos de linguagem desenvolvidos demonstrem desempenho superior na classificação de matérias tributárias, previsão de resultados de processos judiciais e adaptação a cenários com baixo volume de dados.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)