Pipeline LLM per la Raccolta di Dati sugli Ingredienti in Nutrizione Computazionale

Uno studio recente introduce una pipeline LLM meticolosamente controllata volta a raccogliere dati sugli ingredienti per la nutrizione computazionale. Questa pipeline impiega una solida stima statistica, controlli specifici del dominio e un metodo di fallback per il recupero web per affrontare problemi di database incompleti e incoerenti. Un esempio della Legge di Heap applicata a 233 ricette indica che la crescita degli ingredienti unici è sublineare e principalmente concentrata all'inizio, con il rapporto previsto di ingredienti unici per ricetta che diminuisce da 1,74 a 100 ricette a 0,19 a 5.000. Ogni attributo dell'ingrediente viene valutato attraverso query LLM ripetute, trattate come campioni da una distribuzione di risposte guidata dal modello, utilizzando stimatori puntuali robusti e punteggi di confidenza normalizzati su vari tipi di dati.