LLM vs Modelli Tradizionali per la Stima dei Nutrienti nelle Ricette
Uno studio di CGU-ILALab valuta metodi per stimare i nutrienti da testi di ricette non strutturati, confrontando TF-IDF con Ridge Regression, DeBERTa-v3 e LLM come Gemini 2.5 Flash. Secondo i criteri di tolleranza del Regolamento UE 1169/2011, TF-IDF offre una precisione moderata con inferenza quasi istantanea, mentre DeBERTa-v3 ha prestazioni scadenti a causa della scarsità di dati. L'inferenza LLM few-shot e una pipeline ibrida TF-IDF+LLM mostrano potenziale.
Fatti principali
- 1. Lo studio confronta TF-IDF, DeBERTa-v3 e LLM per la stima dei nutrienti.
- 2. Utilizza i criteri di tolleranza del Regolamento UE 1169/2011.
- 3. TF-IDF raggiunge una precisione moderata con inferenza rapida.
- 4. DeBERTa-v3 ha prestazioni scadenti in condizioni di scarsità di dati.
- 5. L'inferenza LLM few-shot (Gemini 2.5 Flash) mostra potenziale.
- 6. Viene valutata anche una pipeline ibrida TF-IDF+LLM.
- 7. Pubblicato su arXiv con ID 2604.25774.
- 8. Focus sul monitoraggio dietetico da testi di ricette non strutturati.
Entità
Istituzioni
- CGU-ILALab
- arXiv