論文の概要: Understanding Emails and Drafting Responses -- An Approach Using GPT-3
- arxiv url: http://arxiv.org/abs/2102.03062v2
- Date: Tue, 9 Feb 2021 15:15:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 13:18:00.622148
- Title: Understanding Emails and Drafting Responses -- An Approach Using GPT-3
- Title(参考訳): 電子メールとラフティング応答の理解 -- GPT-3を用いたアプローチ
- Authors: Jonas Thiergart, Stefan Huber, Thomas \"Ubellacker
- Abstract要約: GPT-3を用いた電子メールコミュニケーションの合理化の可能性を検討する。
受信メールの理解と応答生成の技術的実現可能性を示す。
我々は、コストと市場需要を分析して、そのようなソリューションの経済性について論じる。
- 参考スコア(独自算出の注目度): 2.1485350418225244
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Providing computer systems with the ability to understand and generate
natural language has long been a challenge of engineers. Recent progress in
natural language processing (NLP), like the GPT-3 language model released by
OpenAI, has made both possible to an extent. In this paper, we explore the
possibility of rationalising email communication using GPT-3. First, we
demonstrate the technical feasibility of understanding incoming emails and
generating responses, drawing on literature from the disciplines of software
engineering as well as data science. Second, we apply knowledge from both
business studies and, again, software engineering to identify ways to tackle
challenges we encountered. Third, we argue for the economic viability of such a
solution by analysing costs and market demand. We conclude that applying GPT-3
to rationalising email communication is feasible both technically and
economically.
- Abstract(参考訳): 自然言語を理解して生成する能力を持つコンピュータシステムを提供することは、長年、エンジニアの挑戦だった。
自然言語処理(NLP)の最近の進歩は、OpenAIがリリースしたGPT-3言語モデルのように、どちらもある程度可能になっている。
本稿では,GPT-3を用いた電子メール通信の合理化の可能性を検討する。
まず,ソフトウェア工学の分野とデータ科学の分野から文献を抽出し,受信メールの理解と応答生成の技術的実現可能性を示す。
第二に、ビジネススタディとソフトウェアエンジニアリングの両方から知識を適用して、直面した課題に取り組む方法を特定します。
第3に、コストと市場需要を分析して、そのようなソリューションの経済性について論じる。
メール通信の合理化にGPT-3を適用することは、技術的にも経済的にも実現可能であると結論づけます。
関連論文リスト
- Is ChatGPT the Ultimate Programming Assistant -- How far is it? [9.738921038288133]
大規模言語モデル(LLM)は、AI駆動のソフトウェア工学でますます採用されている。
ChatGPTはソースコードを議論するボットとしての可能性に大きな注目を集めている。
完全自動プログラミングアシスタントとしてのChatGPTの可能性について実証分析を行った。
論文 参考訳(メタデータ) (2023-04-24T09:20:13Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳(メタデータ) (2023-04-14T14:55:19Z) - Document-Level Machine Translation with Large Language Models [61.25639313032555]
本稿では,対話モデルにおける大規模言語モデルの能力について,詳細な評価を行う。
Chat-GPT と GPT-4 は、文書レベルの翻訳の新しい、そして有望なパラダイムになる可能性を示している。
論文 参考訳(メタデータ) (2023-04-05T03:49:06Z) - Geotechnical Parrot Tales (GPT): Harnessing Large Language Models in
geotechnical engineering [2.132096006921048]
GPTモデルは可聴音を生成できるが、偽の出力を生成でき、幻覚を引き起こす。
GPTをジオエンジニアリングに統合することで、プロフェッショナルは作業を合理化し、持続的で回復力のあるインフラシステムを開発することができる。
論文 参考訳(メタデータ) (2023-04-04T21:47:41Z) - On the Educational Impact of ChatGPT: Is Artificial Intelligence Ready
to Obtain a University Degree? [0.0]
大学教育におけるChatGPTの効果を評価する。
コンピュータサイエンスの高等教育は、ChatGPTのようなツールにどのように適応すべきかについて議論する。
論文 参考訳(メタデータ) (2023-03-20T14:27:37Z) - a survey on GPT-3 [5.672898304129217]
本稿では, GPT-3 の紹介調査を行う。
我々は、この技術の背後にある歴史的発展のいくつか、GPT-3の重要な特徴を取り上げ、機械学習モデルと使用するデータセットについて論じる。
本稿では,GPT-3が直面する課題として,学習の複雑さ,バイアス,幻覚/誤答などについて議論する。
論文 参考訳(メタデータ) (2022-12-01T20:24:19Z) - Solving Quantitative Reasoning Problems with Language Models [53.53969870599973]
我々は、一般的な自然言語データに基づいて事前訓練された大規模言語モデルであるMinervaを紹介し、さらに技術的な内容について訓練する。
このモデルは、外部ツールを使わずに、技術的ベンチマークで最先端のパフォーマンスを達成する。
我々はまた、物理学、生物学、化学、経済学、その他の科学における200以上の学部レベルの問題に対して、我々のモデルを評価した。
論文 参考訳(メタデータ) (2022-06-29T18:54:49Z) - CoAuthor: Designing a Human-AI Collaborative Writing Dataset for
Exploring Language Model Capabilities [92.79451009324268]
我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。
我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。
インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
論文 参考訳(メタデータ) (2022-01-18T07:51:57Z) - Inter-GPS: Interpretable Geometry Problem Solving with Formal Language
and Symbolic Reasoning [123.06420835072225]
3,002の幾何学的問題と密接なアノテーションを形式言語に含む新しい大規模ベンチマークGeometry3Kを構築します。
我々は、Interpretable Geometry Problemsolvr (Inter-GPS)と呼ばれる形式言語と記号推論を用いた新しい幾何学的解法を提案する。
イントラGPSは定理の知識を条件付き規則として取り入れ、記号的推論を段階的に行う。
論文 参考訳(メタデータ) (2021-05-10T07:46:55Z) - Language Models are Few-Shot Learners [61.36677350504291]
言語モデルのスケールアップにより、タスクに依存しない、少数ショットのパフォーマンスが大幅に向上することを示す。
我々は、1750億のパラメータを持つ自動回帰言語モデルであるGPT-3を訓練し、その性能を数ショットでテストする。
GPT-3は、翻訳、質問応答、クローズタスクを含む多くのNLPデータセットで高いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2020-05-28T17:29:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。