旅游业是全球经济的主要贡献者，随着在线旅行预订的日益普及，对可靠、高效的旅游问答机器人的需求日益增长。本项目描述了微调大型语言模型 (LLM) 以创建旅游问答机器人的过程，该机器人可部署在旅游集散地的人流中心，帮助回答用户的问题。

我们收集了超过三万条旅游目的地相关的问题和权威答案数据集合，数据集经过预处理后用于微调 LLM 模型。微调过程涉及调整预先训练的LLM模型，以更好地理解和回答与旅游相关的问题。 具体来说包括以下几个步骤：

• 数据准备：旅游相关数据集分为训练集和验证集，训练集用于微调LLM模型，而验证集用于评估模型的性能。
• 模型配置：预训练的LLM模型配置为支持微调，包括设置学习率、批量大小和时期数。
• 微调：LLM 模型使用梯度下降算法在训练集上进行微调。 
• 评估：在验证集上评估微调的LLM模型以衡量其性能。 使用的评估指标包括准确度、精确度和F1分数等。

本地LLM大模型经过微调，QA问答机器人更加准确地回答与目的地相关的内容，另外旅游问答机器人还可以通过集成其他人工智能技术（例如情感分析和文本分类）来进一步增强，以更好地理解用户意图并提供更加个性化和相关的响应。未来该机器人还将与其他系统集成，例如在线预订系统，方便用户预定后续旅游所需的动作，提供无缝且集成的用户体验。

总体而言，经过通过微调大模型，构建旅游问答机器人有潜力显着提高旅游业的效率和效益，提供更好的用户体验，并有助于推动该行业的增长和创新。