論文の概要: CARE: Collaborative AI-Assisted Reading Environment

• arxiv url: http://arxiv.org/abs/2302.12611v1
• Date: Fri, 24 Feb 2023 12:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 13:38:01.743975
• Title: CARE: Collaborative AI-Assisted Reading Environment
• Title（参考訳）: CARE: 協調型AI支援読書環境
• Authors: Dennis Zyska, Nils Dycke, Jan Buchmann, Ilia Kuznetsov, Iryna Gurevych
• Abstract要約: 本稿では,インライン解説・読解研究のための,最初のオープンな統合プラットフォームであるCAREについて紹介する。 CAREは、共通の共同読書環境におけるインライン・コメンタリーのデータ収集を容易にする。 CAREは、テキスト分類、生成、質問応答など、NLPベースの支援で読み書きを強化するフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 47.824020656329246
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent years have seen impressive progress in AI-assisted writing, yet the developments in AI-assisted reading are lacking. We propose inline commentary as a natural vehicle for AI-based reading assistance, and present CARE: the first open integrated platform for the study of inline commentary and reading. CARE facilitates data collection for inline commentaries in a commonplace collaborative reading environment, and provides a framework for enhancing reading with NLP-based assistance, such as text classification, generation or question answering. The extensible behavioral logging allows unique insights into the reading and commenting behavior, and flexible configuration makes the platform easy to deploy in new scenarios. To evaluate CARE in action, we apply the platform in a user study dedicated to scholarly peer review. CARE facilitates the data collection and study of inline commentary in NLP, extrinsic evaluation of NLP assistance, and application prototyping. We invite the community to explore and build upon the open source implementation of CARE.
• Abstract（参考訳）: 近年、AI支援の執筆が目覚ましい進歩を遂げているが、AI支援の読書の開発は不足している。 本稿では,インライン・コメンタリーをAIベースの読書支援の自然な手段として提案し,インライン・コメンタリーと読書研究のための最初のオープン・統合プラットフォームであるCAREについて紹介する。 CAREは、インライン・コラボレーティブな読解環境において、インライン・コメンタリーのためのデータ収集を容易にし、テキスト分類、生成、質問応答などのNLPベースの支援による読解を強化するためのフレームワークを提供する。 拡張可能な振る舞いログにより、読み取りとコメントの動作に関するユニークな洞察が可能になり、フレキシブルなコンフィギュレーションによって、プラットフォームを新たなシナリオにデプロイしやすくなる。 CAREの動作を評価するために,学術的ピアレビュー専用のユーザスタディにこのプラットフォームを適用した。 CAREは、NLPにおけるインラインコメンタリーのデータ収集と研究、NLPアシストの外部評価、およびアプリケーションプロトタイピングを促進する。 私たちはコミュニティにCAREのオープンソース実装を探求し、構築するよう呼びかけます。

関連論文リスト

• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [71.85120354973073]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
  現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。 ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。 筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-05-10T16:06:43Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• NLPeer: A Unified Resource for the Computational Study of Peer Review [58.71736531356398]
  NLPeer - 5万以上の論文と5つの異なる会場からの1万1千件のレビューレポートからなる、初めて倫理的にソースされたマルチドメインコーパス。 従来のピアレビューデータセットを拡張し、解析および構造化された論文表現、豊富なメタデータ、バージョニング情報を含む。 我々の研究は、NLPなどにおけるピアレビューの体系的、多面的、エビデンスに基づく研究への道のりをたどっている。
  論文  参考訳（メタデータ） (2022-11-12T12:29:38Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Hone as You Read: A Practical Type of Interactive Summarization [6.662800021628275]
  HAREは、個人的な興味のためにドキュメント要約を最適化するために読者からのフィードバックを使用する新しいタスクです。 このタスクは、長いフィードバックステージに従ってパーソナライズされた要約が生成されるインタラクティブな要約に関連している。 読み上げプロセス中に最小限の侵襲的なフィードバックを収集し、ユーザの関心に適応し、ドキュメントをリアルタイムで拡張することを提案する。
  論文  参考訳（メタデータ） (2021-05-06T19:36:40Z)

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。