Fugu-MT 論文翻訳(概要): QUEST: Queue Simulation for Content Moderation at Scale

論文の概要: QUEST: Queue Simulation for Content Moderation at Scale

arxiv url: http://arxiv.org/abs/2103.16816v1
Date: Wed, 31 Mar 2021 05:20:28 GMT
ステータス: 処理完了
システム内更新日: 2021-04-02 02:24:47.852320
Title: QUEST: Queue Simulation for Content Moderation at Scale
Title（参考訳）: QUEST: 大規模コンテンツモデレーションのためのキューシミュレーション
Authors: Rahul Makhijani, Parikshit Shah, Vashist Avadhanula, Caner Gocmen, Nicol\'as E. Stier-Moses, Juli\'an Mestre
Abstract要約: Facebookなどの大手プラットフォームでは、数千人のレビュアーによるプラットフォームコンテンツの手作業によるレビューと機械学習をブレンドしている。待ち行列理論とシミュレーションのアイデアを用いて,このようなレビューシステムを大規模に最適に運用する問題を検討する。
参考スコア（独自算出の注目度）: 2.634250827781387
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Moderating content in social media platforms is a formidable challenge due to the unprecedented scale of such systems, which typically handle billions of posts per day. Some of the largest platforms such as Facebook blend machine learning with manual review of platform content by thousands of reviewers. Operating a large-scale human review system poses interesting and challenging methodological questions that can be addressed with operations research techniques. We investigate the problem of optimally operating such a review system at scale using ideas from queueing theory and simulation.
Abstract（参考訳）: ソーシャルメディアプラットフォームにおけるコンテンツのモデレーションは、通常毎日何十億もの投稿を処理する、前例のない規模のシステムのために、非常に難しい課題である。 Facebookなどの大手プラットフォームでは、数千人のレビュアーによるプラットフォームコンテンツの手作業によるレビューと機械学習をブレンドしている。大規模な人間レビューシステムの運用は、オペレーションリサーチ技術で対処できる、興味深い、そして困難な方法論的な疑問を呈する。本稿では,待ち行列理論とシミュレーションのアイデアを用いて,大規模レビューシステムを最適に運用する問題を検討する。

関連論文リスト

OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.2538500202457]
実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。 OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
論文参考訳（メタデータ） (2024-11-18T13:57:35Z)
An Empirical Investigation on the Challenges in Scientific Workflow Systems Development [2.704899832646869]
この記事では、Stack Overflow(SO)とGitHubにおける開発者と研究者のインタラクションについて検討する。問題を分析することで、13のトピック(例えば、エラーとバグ修正、ドキュメント、依存性)を特定し、データ構造と操作が最も難しいことを発見した。また、データ構造や操作、タスク管理、ワークフロースケジューリングといった、SOとGitHubの共通するトピックも見つけました。
論文参考訳（メタデータ） (2024-11-16T21:14:11Z)
POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文参考訳（メタデータ） (2024-07-20T16:37:21Z)
SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。本稿では,課題,データ,研究の進展について要約する。
論文参考訳（メタデータ） (2024-05-17T02:36:14Z)
MM-Soc: Benchmarking Multimodal Large Language Models in Social Media Platforms [25.73585435351771]
本稿では,マルチモーダル大規模言語モデルによるソーシャルメディアコンテンツの理解を評価するためのベンチマークであるMM-Socを紹介する。 MM-Socは、注目すべきマルチモーダルデータセットをコンパイルし、新しい大規模なYouTubeタグ付けデータセットを組み込む。分析の結果、ゼロショット環境では、様々なMLLMが一般的にソーシャルメディアのタスクを扱うのに困難を呈することが明らかとなった。
論文参考訳（メタデータ） (2024-02-21T22:27:40Z)
Multi-Scale Simulation of Complex Systems: A Perspective of Integrating Knowledge and Data [25.582280429427833]
我々は、知識とデータの観点から、複雑なシステムのマルチスケールシミュレーションに関する文献を体系的にレビューする。我々は,マルチスケールモデリングとシミュレーションの主な目的を,明瞭なスケールのシナリオと不明瞭なスケールのシナリオを考慮し,5つのカテゴリに分けた。本稿では,一般的な物質システムや社会システムにおけるマルチスケールシミュレーションの適用について紹介する。
論文参考訳（メタデータ） (2023-06-17T06:46:42Z)
User Simulation for Evaluating Information Access Systems [38.48048183731099]
インタラクティブな知能システムの有効性を評価することは複雑な科学的課題です本書は,評価に特化して設計されたユーザシミュレーション技術について,詳細な理解を提供する。ユーザシミュレータを設計するための一般的なフレームワークと、検索エンジン、レコメンダシステム、会話アシスタントとのユーザインタラクションをシミュレートする特定のモデルとアルゴリズムの両方をカバーする。
論文参考訳（メタデータ） (2023-06-14T14:54:06Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)
Learning Physical Concepts in Cyber-Physical Systems: A Case Study [72.74318982275052]
本稿では,時系列データにおける物理概念の学習方法に関する研究の現状について概説する。また,3タンクシステムの例を用いて,最先端技術から最も重要な手法を分析した。
論文参考訳（メタデータ） (2021-11-28T14:24:52Z)
On the Social and Technical Challenges of Web Search Autosuggestion Moderation [118.47867428272878]
自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
論文参考訳（メタデータ） (2020-07-09T19:22:00Z)
Large-scale Hybrid Approach for Predicting User Satisfaction with Conversational Agents [28.668681892786264]
ユーザの満足度を測定することは難しい課題であり、大規模な会話エージェントシステムの開発において重要な要素である。人間のアノテーションに基づくアプローチは簡単に制御できるが、スケールするのは難しい。新たなアプローチとして,会話エージェントシステムに埋め込まれたフィードバック誘導システムを通じて,ユーザの直接的なフィードバックを収集する手法がある。
論文参考訳（メタデータ） (2020-05-29T16:29:09Z)

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。