STELAR Tech Brief #2: Συμπλήρωση δεδομένων LAI με τη βοήθεια μοντέλων μεγάλης γλώσσας (LLM)

Η παρούσα μελέτη παρουσιάζει μια προσέγγιση RAG-LLM για την συμπλήρωση ελλειπουσών τιμών του δείκτη φυλλικής επιφάνειας (LAI) σε χρονοσειρές, χρησιμοποιώντας ανάκτηση βάσει ομοιότητας διανυσμάτων και διορθώσεις που παράγονται από μοντέλα μεγάλης γλώσσας (LLM). Η μέθοδος αξιολογήθηκε σε δεδομένα της Γαλλίας για το 2021 και υπερτερεί των μεθόδων COI, KNN και άλλων τεχνικών αιχμής όσον αφορά τους δείκτες MAE, MSE και R², ειδικά σε αραιά δεδομένα. Το πλαίσιο αποτελεί μέρος του χρηματοδοτούμενου από την ΕΕ έργου STELAR (επιχορήγηση 101070122), το οποίο επικεντρώνεται στην ενοποίηση δεδομένων του αγροδιατροφικού τομέα με τη χρήση γλωσσικών μοντέλων. Ο κώδικας είναι διαθέσιμος στο κοινό στο GitHub.