Fugu-MT 論文翻訳(概要): Generating Quizzes to Support Training on Quality Management and Assurance in Space Science and Engineering

論文の概要: Generating Quizzes to Support Training on Quality Management and Assurance in Space Science and Engineering

arxiv url: http://arxiv.org/abs/2210.03427v1
Date: Fri, 7 Oct 2022 09:52:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 12:49:19.033746
Title: Generating Quizzes to Support Training on Quality Management and Assurance in Space Science and Engineering
Title（参考訳）: 宇宙科学と工学における品質管理と保証のトレーニングを支援するクイズの作成
Authors: Andr\'es Garc\'ia-Silva, Cristian Berr\'io, Jos\'e Manuel G\'omez-P\'erez
Abstract要約: 本研究では,宇宙領域における品質保証手順に関する文書から,トレーニングセッションの有効性を評価する共通資源であるクイズを生成するシステムを提案する。我々のシステムは,T5 や BART といった美術品の自動回帰モデルを用いて質問を生成するとともに,RoBERTa モデルを用いて質問に対する回答を抽出し,その適合性を検証する。
参考スコア（独自算出の注目度）: 0.01790445868185437
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quality management and assurance is key for space agencies to guarantee the success of space missions, which are high-risk and extremely costly. In this paper, we present a system to generate quizzes, a common resource to evaluate the effectiveness of training sessions, from documents about quality assurance procedures in the Space domain. Our system leverages state of the art auto-regressive models like T5 and BART to generate questions, and a RoBERTa model to extract answers for such questions, thus verifying their suitability.
Abstract（参考訳）: 宇宙機関にとって品質管理と保証は、高リスクで非常にコストのかかる宇宙ミッションの成功を保証する鍵となる。本稿では,空間領域における品質保証手順に関する文書から,訓練セッションの有効性を評価する共通資源であるクイズを生成するシステムを提案する。我々のシステムは,T5やBARTといった美術自動回帰モデルを用いて質問を生成するとともに,RoBERTaモデルを用いて質問に対する回答を抽出し,その妥当性を検証する。

関連論文リスト

Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey [92.36487127683053]
Retrieval-Augmented Generation (RAG)は、AIGC(AIGC)の課題に対処するために設計された高度な技術である。 RAGは信頼性と最新の外部知識を提供し、幻覚を減らし、幅広いタスクで関連するコンテキストを保証する。 RAGの成功と可能性にもかかわらず、最近の研究により、RAGパラダイムはプライバシーの懸念、敵対的攻撃、説明責任の問題など、新たなリスクももたらしていることが示されている。
論文参考訳（メタデータ） (2025-02-08T06:50:47Z)
Application of Large Language Models in Automated Question Generation: A Case Study on ChatGLM's Structured Questions for National Teacher Certification Exams [2.7363336723930756]
本研究では,全国教師認定試験(NTCE)における構造化質問の自動生成における大規模言語モデル(LLM)ChatGLMの適用可能性について検討する。筆者らは,ChatGLMを指導し,一連の模擬質問を生成するとともに,過去の質問を総合的に比較した。研究結果は,ChatGLMが生み出した質問は,実際の試験質問と同様,高い合理性,科学的性,実践性を示すことを示している。
論文参考訳（メタデータ） (2024-08-19T13:32:14Z)
AutoSurvey: Large Language Models Can Automatically Write Surveys [77.0458309675818]
本稿では,総合的な文献調査を自動作成する手法であるAutoSurveyを紹介する。従来の調査論文は、膨大な量の情報と複雑さのために、課題に直面している。我々の貢献には、調査問題に対する総合的な解決策、信頼性評価方法、AutoSurveyの有効性を実証する実験的な検証が含まれる。
論文参考訳（メタデータ） (2024-06-10T12:56:06Z)
Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文参考訳（メタデータ） (2024-05-30T23:20:23Z)
Towards Better Question Generation in QA-based Event Extraction [3.699715556687871]
イベント抽出(EE)は、構造化されていないテキストからイベント関連情報を抽出することを目的としている。質問の品質は、抽出精度に劇的に影響を及ぼす。本稿では,QAベースのEEのための強化学習手法RLQGを提案する。
論文参考訳（メタデータ） (2024-05-17T03:52:01Z)
ACCESS: Assurance Case Centric Engineering of Safety-critical Systems [9.388301205192082]
保証ケースは、安全性やセキュリティなどの重要なシステム特性について、コミュニケーションし、信頼性を評価するために使用されます。近年,システム保証活動の効率化と品質向上のために,モデルに基づくシステム保証アプローチが普及している。モデルに基づくシステム保証ケースが異種工学的アーティファクトにどのように辿り着くかを示す。
論文参考訳（メタデータ） (2024-03-22T14:29:50Z)
Assurance for Autonomy -- JPL's past research, lessons learned, and future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。 JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文参考訳（メタデータ） (2023-05-16T18:24:12Z)
Artificial Intelligence and Natural Language Processing and Understanding in Space: Four ESA Case Studies [48.53582660901672]
本稿では,空間文書から情報を自動的に抽出するための,人工知能と自然言語処理と理解に基づく方法論的枠組みを提案する。ケーススタディはミッションデザイン、品質保証、長期データ保存、オープンスペースイノベーションプラットフォームなど、ESAのさまざまな機能領域で実装されている。
論文参考訳（メタデータ） (2022-10-07T15:50:17Z)
SpaceQA: Answering Questions about the Design of Space Missions and Space Craft Concepts [57.012600276711005]
宇宙ミッション設計における最初のオープンドメインQAシステムであるSpaceQAについて述べる。 SpaceQAは、欧州宇宙機関(ESA)による、宇宙ミッションの設計に関する情報のアクセス、共有、再利用を容易にするイニシアチブの一部である。
論文参考訳（メタデータ） (2022-10-07T09:41:39Z)

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。