“Finetuning y RAG Asistente Legal Inteligente”

Vista sencilla de ítem
dc.contributor.advisorSanta Quintero, Ricardo Andres
dc.contributor.authorGonzalez Torres, Daniel Leonardo
dc.coverage.spatialBogotáspa
dc.creator.emaildaniell-gonzalezt@unilibre.edu.cospa
dc.date.accessioned2025-06-04T17:14:33Z
dc.date.available2025-06-04T17:14:33Z
dc.date.created2025-04-07
dc.description.abstractEl video presenta el desarrollo de un asistente legal inteligente que utiliza el proceso de fine-tuning para adaptar la inteligencia artificial mediante ejemplos específicos de preguntas y respuestas. Se emplean herramientas como Google Colab y la librería Pandas para transformar datos de archivos Excel a un formato adecuado para el fine-tuning, utilizando el modelo GPT-3.5 Turbo por su costo y eficiencia, mientras se considera la posibilidad de modelos más avanzados como GPT-4 en el futuro. Es fundamental establecer un contexto a través de un prompt del sistema para definir la personalidad del asistente y cómo debe responder en un entorno legal. Además, se discute la importancia de evaluar los costos asociados al uso de la API de OpenAI y se sugiere crear asistentes especializados para mejorar la precisión en la atención al usuario. La colaboración entre los equipos de ingeniería y derecho es esencial para asegurar que las soluciones desarrolladas respondan a las necesidades del campo legal.spa
dc.description.abstractenglishThe video presents the development of an intelligent legal assistant that uses fine-tuning to adapt artificial intelligence using specific question and answer examples. Tools such as Google Colab and the Pandas library are used to transform data from Excel files into a format suitable for fine-tuning, using the GPT-3.5 Turbo model for its cost and efficiency, while considering the possibility of more advanced models such as GPT-4 in the future. Establishing context through a system prompt is essential to define the assistant's personality and how it should respond in a legal environment. Additionally, the video discusses the importance of evaluating the costs associated with using the OpenAI API, and suggests creating specialized assistants to improve the accuracy of user support. Collaboration between engineering and legal teams is essential to ensure that the developed solutions meet the needs of the legal field.spa
dc.description.sponsorshipUniversidad Libre -- Ingenieria -- Ingenieria de sistemasspa
dc.formatPDFspa
dc.identifier.urihttps://hdl.handle.net/10901/31260
dc.relation.referencesAbacus AI. (2023). Creating AI Agents with Abacus. Retrieved from https://www.abacus.ai/spa
dc.relation.referencesRauber, J., & Ziemann, T. (2020). Enabling Data-Driven Decisions through AI: A Practical Approach. Information Systems, 95, 101-113. https://doi.org/10.1016/j.is.2020.101113spa
dc.relation.referencesGoh, G., & Wong, H. (2022). The Role of AI in Legal Services: Opportunities and Challenges. Harvard Business Review. https://hbr.org/2022/03/the-role-of-ai-in-legal-servicesspa
dc.relation.referencesKearns, M., & Neel, S. (2021). A Commentary on Fairness in Machine Learning. Journal of Machine Learning Research, 22(85), 1-23. http://www.jmlr.org/papers/volume22/20-151/20-151.pdfspa
dc.relation.referencesBrown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems, 33, 1877-1901. https://arxiv.org/abs/2005.14165spa
dc.relation.referencesZhang, Y., & Kuo, L. (2021). Fine-Tuning Pre-trained Language Models: Weight Initialization and Dataset Selection. Journal of Language Technology, 12(1), 34-46. https://doi.org/10.1234/jlt.2021.1201spa
dc.relation.referencesGoogle. (2023). Google Colab Documentation. https://colab.research.google.com/spa
dc.relation.referencesOpenAI. (2023). GPT-3.5 Turbo Documentation. https://platform.openai.com/docs/models/gpt-3-5spa
dc.relation.referencesPandas Development Team. (2023). Pandas Documentation. https://pandas.pydata.org/docs/spa
dc.relation.youtubehttps://youtu.be/9P_rnvIBOIM?si=d3b8PwMF5k_cSWaL
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subjectFine-tuningspa
dc.subjectInteligencia Artificialspa
dc.subjectGoogle Colabspa
dc.subjectLibreria Pandasspa
dc.subjectFormato JSONLspa
dc.subjectGPT 3.5 Turbospa
dc.subjectGPT 4spa
dc.subjectPrompt del sistemaspa
dc.subjectPersonalidad del asistentespa
dc.subjectPrecisiónspa
dc.subjectAPIspa
dc.subjectJurisLibreIAspa
dc.subjectAsistentes especializadosspa
dc.subject.subjectenglishFine-tuningspa
dc.subject.subjectenglishArtificial Intelligencespa
dc.subject.subjectenglishGoogle Colabspa
dc.subject.subjectenglishPandas Libraryspa
dc.subject.subjectenglishJSONL Formatspa
dc.subject.subjectenglishGPT 3.5 Turbospa
dc.subject.subjectenglishGPT 4spa
dc.subject.subjectenglishSystem promptspa
dc.subject.subjectenglishAssistant personalityspa
dc.subject.subjectenglishAcuracyspa
dc.subject.subjectenglishAPIspa
dc.subject.subjectenglishJurisLibreIAspa
dc.subject.subjectenglishEspecialized assistantsspa
dc.title“Finetuning y RAG Asistente Legal Inteligente”spa
dc.title.alternativeConference: “Finetuning and RAG Smart Legal Assistant”spa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.localTesis de Pregradospa

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
Conferencia “Finetuning y RAG Asistente Legal Inteligente”.pdf
Tamaño:
202.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Formato autorización PUBLICACIÓN DE OBRAS - Conferencia “Finetuning y RAG Asistente Legal Inteligente”.pdf
Tamaño:
216.91 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Sensorama