La presente tesi analizza il tema dell’affidabilità e della stabilità dei Large Language Models (LLM) in ambito sanitario, con particolare attenzione alla variabilità delle risposte e alle criticità derivanti dalla loro natura stocastica. Attraverso l’analisi di esperienze sviluppate nel contesto sanitario cinese, vengono esaminate le implicazioni dell’impiego degli LLM nei processi di interazione e supporto al paziente. Infine, viene approfondito il Retrieval-Augmented Generation (RAG) come criterio volto a migliorare il controllo, la coerenza e l’affidabilità delle informazioni generate.
AFFIDABILITÀ E STABILITÀ DEI LARGE LANGUAGE MODELS IN AMBITO SANITARIO: ANALISI DEL CASO STUDIO CINESE
SPORTELLI, MARIASOLE
2025/2026
Abstract
La presente tesi analizza il tema dell’affidabilità e della stabilità dei Large Language Models (LLM) in ambito sanitario, con particolare attenzione alla variabilità delle risposte e alle criticità derivanti dalla loro natura stocastica. Attraverso l’analisi di esperienze sviluppate nel contesto sanitario cinese, vengono esaminate le implicazioni dell’impiego degli LLM nei processi di interazione e supporto al paziente. Infine, viene approfondito il Retrieval-Augmented Generation (RAG) come criterio volto a migliorare il controllo, la coerenza e l’affidabilità delle informazioni generate.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
SPORTELLI_tesi.pdf
File consultabile da postazioni biblioteca
Descrizione: Versione definitiva dell'elaborato di tesi.
Dimensione
5.78 MB
Formato
Adobe PDF
|
5.78 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/110707