Fugu-MT 論文翻訳(概要): DAG Card is the new Model Card

論文の概要: DAG Card is the new Model Card

arxiv url: http://arxiv.org/abs/2110.13601v1
Date: Sun, 24 Oct 2021 20:54:19 GMT
ステータス: 処理完了
システム内更新日: 2021-10-27 16:10:16.982972
Title: DAG Card is the new Model Card
Title（参考訳）: DAGカードが新しいモデルカードになる
Authors: Jacopo Tagliabue, Ville Tuulos, Ciro Greco, Valay Dave
Abstract要約: データ中心の視点の長所を包含する文書の形式としてDAGカードを提案する。機械学習パイプラインは、多くの実用的なユースケースにおいて最も適切なレベルのドキュメントである、と私たちは主張する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: With the progressive commoditization of modeling capabilities, data-centric AI recognizes that what happens before and after training becomes crucial for real-world deployments. Following the intuition behind Model Cards, we propose DAG Cards as a form of documentation encompassing the tenets of a data-centric point of view. We argue that Machine Learning pipelines (rather than models) are the most appropriate level of documentation for many practical use cases, and we share with the community an open implementation to generate cards from code.
Abstract（参考訳）: モデリング機能の進歩的なコモディティ化によって、データ中心のAIは、トレーニングの前後で何が起こるかが現実のデプロイメントに不可欠であることを認識します。モデルカードの背景にある直感に続いて,データ中心の視点を包含する文書としてDAGカードを提案する。機械学習パイプラインは(モデルではなく)多くの実用的なユースケースにおいて最も適切なレベルのドキュメントであり、コードからカードを生成するオープン実装をコミュニティと共有しています。

関連論文リスト

VecCity: A Taxonomy-guided Library for Map Entity Representation Learning [48.73446321300362]
マップエンティティ表現学習(MapRL)は、汎用的で再利用可能なデータ表現を生成する。本稿では,エンコーダや事前学習タスク,下流タスクなどの機能的モジュールモデルに基づいてモデルを編成するMapRLの新しい分類法を提案する。本稿では, コード化, 事前学習, 微調整, 評価のための, 使いやすいインタフェースを提供する分類学駆動型ライブラリであるVecCityを提案する。
論文参考訳（メタデータ） (2024-10-31T07:03:46Z)
Automatic Generation of Model and Data Cards: A Step Towards Responsible AI [23.42842241759459]
大規模言語モデル(LLM)を用いた自動生成手法を提案する。 CardBenchは4.8kモデルカードと1.4kデータカードから集約された包括的なデータセットである。当社のアプローチでは、生成されたモデルとデータカードにおける完全性、客観性、忠実性が向上しています。
論文参考訳（メタデータ） (2024-05-10T06:14:07Z)
Guiding Attention in End-to-End Driving Models [49.762868784033785]
模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
論文参考訳（メタデータ） (2024-04-30T23:18:51Z)
What's documented in AI? Systematic Analysis of 32K AI Model Cards [40.170354637778345]
我々は、Hugging Face上で32,111のAIモデルドキュメンテーションを包括的に分析する。かなりダウンロードされたAIモデルのほとんどはモデルカードを提供するが、カードには不明確な情報がある。その結果, 環境影響, 限界, 評価に対処する区間は, 最下位の充足率を示す一方, トレーニング区間は最下位の充足率を示すことがわかった。
論文参考訳（メタデータ） (2024-02-07T18:04:32Z)
The State of Documentation Practices of Third-party Machine Learning Models and Datasets [8.494940891363813]
我々は,現在使用されている最大規模のモデルストアのひとつにおいて,モデルカードとデータセットカードの文書化の実践状況を評価する。調査の結果,21,902モデル (39.62%) と1,925データセット (28.48%) のみが文書化されていることがわかった。
論文参考訳（メタデータ） (2023-12-22T20:45:52Z)
Unlocking Model Insights: A Dataset for Automated Model Card Generation [4.167070553534516]
25のMLモデルに対して500対の質問応答ペアのデータセットを導入する。元の論文から回答を抽出するためにアノテーションを使用します。また,ChatGPT-3.5,LLaMa,Galacticaを用いた実験では,これらのLMによる研究論文の理解に大きなギャップが認められた。
論文参考訳（メタデータ） (2023-09-22T04:46:11Z)
Teacher Guided Training: An Efficient Framework for Knowledge Transfer [86.6784627427194]
高品質なコンパクトモデルを訓練するための教師誘導訓練(TGT)フレームワークを提案する。 TGTは、教師が基礎となるデータドメインの優れた表現を取得したという事実を利用する。 TGTは複数の画像分類ベンチマークやテキスト分類や検索タスクの精度を向上させることができる。
論文参考訳（メタデータ） (2022-08-14T10:33:58Z)
Unified Pretraining Framework for Document Understanding [52.224359498792836]
文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
論文参考訳（メタデータ） (2022-04-22T21:47:04Z)
Aspirations and Practice of Model Documentation: Moving the Needle with Nudging and Traceability [8.875661788022637]
機械学習モデルの文書化実践を支援するための一連の設計ガイドラインを提案する。 DocMLという名前のプロトタイプツールは、計算ノートブックのモデル開発をサポートするためのガイドラインに従っている。
論文参考訳（メタデータ） (2022-04-13T14:39:18Z)
Mapping Patterns for Virtual Knowledge Graphs [71.61234136161742]
仮想知識グラフ(VKG)は、レガシーデータソースの統合とアクセスのための最も有望なパラダイムの1つである。データ管理、データ分析、概念モデリングにおいて研究された、確立された方法論とパターンに基づいて構築する。検討されたVKGシナリオに基づいて,私たちのカタログを検証し,そのパターンの大部分をカバーすることを示す。
論文参考訳（メタデータ） (2020-12-03T13:54:52Z)
Coach: A Coarse-to-Fine Approach for Cross-domain Slot Filling [65.09621991654745]
クロスドメインスロットフィリングはタスク指向ダイアログシステムにおいて重要なタスクである。クロスドメインスロットフィリングのための粗粒度アプローチ(Coach)を提案する。実験結果から,本モデルはスロット充填における最先端手法よりも優れていた。
論文参考訳（メタデータ） (2020-04-24T13:07:12Z)

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。