大規模言語モデル（LLMs）から構造化データを解析するのは、簡単な問題を超えた場合には困難です。しかし、これらの出力を予め定義された構造に確実にパースすることは、ソフトウェアやAIアプリケーションにLLMsを統合する上で必須です。
OpenAIはそのための機能として、GPTの関数呼出やJSONモードの提供を始めましたが、これらは実際の問題に対して確実に機能させるためには、高度なプロンプトの工夫や堅牢なパース処理、リトライ、エラーハンドリングが求められます。
この記事では、実際に構造化データの解析に際して直面した問題点を挙げつつ、開発者向けに書かれています。グラマリーの文法チェックを通して、2019年からの執筆方法に則って人間が記した内容です。
オープンソースのプロジェクトもこれらの課題に対処するために存在していますが、複雑な実世界の問題に対してはまちまちな結果になっています。そこで、筆者はInstructor、Fructose、Langchainという３つのフレームワークを比較し、より厳しい実際のシナリオにおいて、最も優れたフレームワークを見極めます。ちなみに、一番のおすすめはFructoseです！ Experiment Philosophy and Plan
出典 : https://towardsdatascience.com/the-definitive-guide-to-structured-data-parsing-with-openai-gpt3-5-0e5ea0e52637