面向可靠且透明的文本到查询的LLM成熟度模型
An LLM Maturity Model for Reliable and Transparent Text-to-Query
AI总结：
本文针对LLM在文本到查询应用中的可靠性与透明度问题，提出一个多维度的LLM成熟度模型，并通过执法领域的QueryIQ助手验证其实际效用。
摘要：
认识到解决大型语言模型（LLM）可靠性和透明度问题的必要性，本文提出了一个专为文本到查询应用量身定制的LLM成熟度模型。该成熟度模型旨在通过纳入超越单纯正确性或准确性的维度，填补现有LLM评估在此类应用中的空白。此外，本文引入了一个来自执法领域的真实用例，并展示了QueryIQ——一个由LLM驱动、面向特定领域的文本到查询助手，用于加速用户工作流程并揭示数据中隐藏的关系。
英文摘要：
Recognizing the imperative to address the reliability and transparency issues of Large Language Models (LLM), this work proposes an LLM maturity model tailored for text-to-query applications. This maturity model seeks to fill the existing void in evaluating LLMs in such applications by incorporating dimensions beyond mere correctness or accuracy. Moreover, this work introduces a real-world use case from the law enforcement domain and showcases QueryIQ, an LLM-powered, domain-specific text-to-query assistant to expedite user workflows and reveal hidden relationship in data.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
