藝術分類新突破：大型語言模型的零樣本分類技術

傳統的自動資訊分類機器學習模型，每項任務都需要重新訓練資料。然而，筑波大學的研究團隊證實，利用大型語言模型（LLM），無需額外訓練資料，即可自動對藝術資料進行高精度的分類。

近年來，藝術品已成為重要的投資資產，這使得藝術品價格預測作為評估潛在回報和風險的工具，受到越來越多的關注。然而，由於需要大量的人力和時間，整理和註解價格預測所需的資料是一大挑戰。

為瞭解決這個問題，研究人員應用了一種稱為「零樣本分類」的技術，該技術利用大型語言模型（LLM）來分類資料，而無需預先準備的訓練資料。這項研究已發表在《IEEE Access》期刊上。

研究團隊探索了自動確定藝術品型別（如繪畫、版畫、雕塑和攝影）的可行性，方法是將開源模型「Llama-3 70B」最佳化為4位元格式。結果顯示，該模型對藝術品型別的分類準確率超過90%。此外，與OpenAI的GPT-4o生成式AI相比，其準確率略高。

這種方法不僅能達到與傳統機器學習方法相當的效能，還顯著減少了資料整理所需的人力和時間。這些成果有望提升藝術分析和價格評估的可及性，不僅為投資，也為研究和欣賞開拓了新的機會。