MRAG：传统RAG方法在多文档检索上的扩展与改进

大模型(LLM)是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

2022年底，OpenAI 推出的基于 GPT-3.5 的大型语言模型 ChatGPT，由于其优秀的表现，ChatGPT 及其背后的大型语言模型迅速成为人工智能领域的热门话题，吸引了广大科研人员和开发者的关注和参与。

本周精选了5篇LLM领域的优秀论文，为了方便大家阅读，只列出了论文标题、AMiner AI综述等信息，如果感兴趣可点击查看原文，PC端数据同步（收藏即可在PC端查看），每日新论文也可登录小程序查看。

如果想要对某篇论文进行深入对话，可以直接复制论文链接到浏览器上或者直达AMiner AI页面：
https://www.aminer.cn/chat/g/explain?f=cs

1.Towards a Personal Health Large Language Model

本文介绍了一种面向个人健康的大语言模型(PH-LLM)，该模型是从Gemini模型中微调而来，主要用于理解和推理数值时间序列的个人健康数据。为了评估模型的性能，研究者创建了三个人工数据集，分别测试了模型在睡眠模式、身体活动、生理反应方面的个性化洞察和建议生成能力，专业知识以及预测自我报告睡眠结果的能力。通过与领域专家合作设计案例研究，评估了模型在现实世界中的表现。评估结果显示，Gemini Ultra 1.0和