RAG programming on LLMs to improve the quality of life of elderly people

Abstract

[ES] El estudio se focalizará en la aplicación de Modelos de Lenguaje de gran escala (LLMs) de naturaleza profunda con el propósito de potenciar la calidad de vida de la población anciana. El sistema se erige como un agente interactivo que se nutre del feedback de los usuarios de edad avanzada para afinar sus recomendaciones y ampliar su comprensión del individuo, adoptando así un papel semejante al de un asistente personalizado. La metodología empleada para la realización de este proyecto recae en la técnica de programación de LLMs denominada Retrieval Augmented Generation (RAG), apoyada por la infraestructura de LangChain. Se procede con una comparativa exhaustiva entre diversos modelos de lenguaje, evaluando su desempeño en un contexto homogéneo. El mayor desafío radica en la búsqueda del contexto adecuado para minimizar las alucinaciones del sistema, la recopilación la información y la organización de la misma para proporcionar el contexto adecuado al sistema.

[EN] The study will focus on the application of large-scale Language Models (LLMs) of a deep nature with the purpose of enhancing the quality of life of the elderly population. The system is set up as an interactive agent that draws on feedback from elderly users to refine its recommendations and broaden its understanding of the individual, thus adopting a role similar to that of a personal assistant. The methodology used for this project is based on the LLM programming technique called Retrieval Augmented Generation (RAG), supported by the LangChain infrastructure. We proceed with a comprehensive comparison between different language models, evaluating their performance in a homogeneous context. The main challenge lies in finding the right context to minimise the system's hallucinations, gathering the information and organising it to provide the right context for the system.