AstroLLaMA：天文学における専門化された基盤モデルへのアプローチ

要旨

大規模言語モデルは多くの人間の言語タスクで優れた性能を発揮しますが、学術的な天文学のような高度に専門化された領域ではしばしば不十分です。このギャップを埋めるため、arXivから収集した30万以上の天文学アブストラクトを用いてLLaMA-2からファインチューニングした70億パラメータのモデル、AstroLLaMAを紹介します。従来の因果的言語モデリングに最適化されたAstroLLaMAは、LLaMA-2と比べて30%低いパープレキシティを達成し、顕著なドメイン適応を示しています。本モデルは、パラメータ数が大幅に少ないにもかかわらず、最先端の基盤モデルよりも洞察に富み科学的に関連性の高いテキスト補完と埋め込み抽出を生成します。AstroLLaMAは、広範なファインチューニングの可能性を秘めた堅牢なドメイン特化型モデルとして機能します。その公開は、自動論文要約や会話エージェント開発を含む天文学に焦点を当てた研究の促進を目的としています。

English

Large language models excel in many human-language tasks but often falter in highly specialized domains like scholarly astronomy. To bridge this gap, we introduce AstroLLaMA, a 7-billion-parameter model fine-tuned from LLaMA-2 using over 300,000 astronomy abstracts from arXiv. Optimized for traditional causal language modeling, AstroLLaMA achieves a 30% lower perplexity than Llama-2, showing marked domain adaptation. Our model generates more insightful and scientifically relevant text completions and embedding extraction than state-of-the-arts foundation models despite having significantly fewer parameters. AstroLLaMA serves as a robust, domain-specific model with broad fine-tuning potential. Its public release aims to spur astronomy-focused research, including automatic paper summarization and conversational agent development.

AstroLLaMA：天文学における専門化された基盤モデルへのアプローチ

AstroLLaMA: Towards Specialized Foundation Models in Astronomy

要旨

Support