NutriGen: Personalized Meal Plan Generator Leveraging Large Language Models to Enhance Dietary and Nutritional Adherence
作者: Saman Khamesian, Asiful Arefeen, Stephanie M. Carpenter, Hassan Ghasemzadeh
发布时间: 2025-03-03
来源: arxiv
研究方向: 个性化营养与饮食规划
主要内容
本文提出了一种名为NutriGen的个性化餐食计划生成框架，利用大型语言模型（LLM）和提示工程来生成符合用户定义的饮食偏好和限制的个性化餐食计划。
主要贡献
1. 开发了一个基于LLM和提示工程的个性化餐食计划生成框架。
2. 构建了一个个性化的营养数据库，以支持LLM生成结构化、实用的餐食计划。
3. 评估了多个LLM在生成个性化餐食计划方面的性能，包括Llama 3.1 8B、GPT-3.5 Turbo等。
4. 展示了LLM在生成准确且用户友好的食物推荐方面的潜力。
5. 提出了未来工作方向，如整合RAG框架、增强交互性和多模态LLM的使用。
研究方法
1. 大型语言模型（LLM）
2. 提示工程
3. 个性化营养数据库构建
4. 数据收集：图像、文本和语音输入
5. 营养数据验证：与USDA数据库对比
6. 实验评估：比较不同模型的性能和准确性
实验结果
实验结果表明，Llama 3.1 8B和GPT-3.5 Turbo在生成符合用户定义的卡路里目标方面表现出色，误差率分别为1.55%和3.68%。此外，GPT-3.5 Turbo在处理速度上表现优异，使其成为实时餐食生成的理想选择。
未来工作
未来的工作将包括：探索RAG框架以动态获取实时USDA数据，改进营养数据的准确性；增强系统交互性，通过聊天机器人接口允许用户实时调整餐食计划；整合多模态LLM，利用食物图像识别来提供更全面的饮食建议。