Testa, Francesco
 
(2024)
Cheshire Cat AI: framework per la creazione di chatbot specializzati.
[Laurea], Università di Bologna, Corso di Studio in 
Informatica [L-DM270]
   
  
  
        
        
	
  
  
  
  
  
  
  
    
  
    
      Documenti full-text disponibili:
      
    
  
  
    
      Abstract
      L’uso dei chatbot basati su Large Language Models (LLM) sta rivoluzionando il mondo del lavoro. La creazione di assistenti virtuali specializzati in un singolo compito risulta fondamentale per ricoprire la ”coda lunga”, ovvero casi d’uso ampiamente specifici. Questo studio mira ad analizzare le metodologie allo stato dell’arte per la
verticalizzazione degli LLM, confrontandone aspetti negativi e positivi. Le soluzioni attualmente disponibili richiedono specialisti, spesso rendendo il processo costoso. Tuttavia, progetti come il Cheshire Cat AI permettono di modificare il comportamento standard di un modello implementando plugin specifici.
È stata analizzata l’architettura del framework ed è stato codificato un plugin, per dimostrarne la semplicità d’uso. Gli sviluppatori del Cheshire Cat AI prevedono l’implementazione della multimodalità e la riduzione delle allucinazioni attraverso l’uso di Knowledge
Graphs. Inoltre, essendo il progetto open source, è possibile contribuire al core, oppure caricare i propri plugin nel registro pubblico. Il plugin ccat_groups realizzato per lo studio è disponibile e può essere installato facilmente.
     
    
      Abstract
      L’uso dei chatbot basati su Large Language Models (LLM) sta rivoluzionando il mondo del lavoro. La creazione di assistenti virtuali specializzati in un singolo compito risulta fondamentale per ricoprire la ”coda lunga”, ovvero casi d’uso ampiamente specifici. Questo studio mira ad analizzare le metodologie allo stato dell’arte per la
verticalizzazione degli LLM, confrontandone aspetti negativi e positivi. Le soluzioni attualmente disponibili richiedono specialisti, spesso rendendo il processo costoso. Tuttavia, progetti come il Cheshire Cat AI permettono di modificare il comportamento standard di un modello implementando plugin specifici.
È stata analizzata l’architettura del framework ed è stato codificato un plugin, per dimostrarne la semplicità d’uso. Gli sviluppatori del Cheshire Cat AI prevedono l’implementazione della multimodalità e la riduzione delle allucinazioni attraverso l’uso di Knowledge
Graphs. Inoltre, essendo il progetto open source, è possibile contribuire al core, oppure caricare i propri plugin nel registro pubblico. Il plugin ccat_groups realizzato per lo studio è disponibile e può essere installato facilmente.
     
  
  
    
    
      Tipologia del documento
      Tesi di laurea
(Laurea)
      
      
      
      
        
      
        
          Autore della tesi
          Testa, Francesco
          
        
      
        
          Relatore della tesi
          
          
        
      
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          LLM,RAG,Fine-tuning,Chatbot
          
        
      
        
          Data di discussione della Tesi
          30 Ottobre 2024
          
        
      
      URI
      
      
     
   
  
    Altri metadati
    
      Tipologia del documento
      Tesi di laurea
(NON SPECIFICATO)
      
      
      
      
        
      
        
          Autore della tesi
          Testa, Francesco
          
        
      
        
          Relatore della tesi
          
          
        
      
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          LLM,RAG,Fine-tuning,Chatbot
          
        
      
        
          Data di discussione della Tesi
          30 Ottobre 2024
          
        
      
      URI
      
      
     
   
  
  
  
  
  
    
    Statistica sui download
    
    
  
  
    
      Gestione del documento: 
      
        