論文の概要: Enhancing Large Language Models with Climate Resources
- arxiv url: http://arxiv.org/abs/2304.00116v1
- Date: Fri, 31 Mar 2023 20:24:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 19:38:54.221434
- Title: Enhancing Large Language Models with Climate Resources
- Title(参考訳): 気候資源による大規模言語モデルの強化
- Authors: Mathias Kraus, Julia Anna Bingler, Markus Leippold, Tobias Schimanski,
Chiara Colesanti Senni, Dominik Stammbach, Saeid Ashraf Vaghefi, Nicolas
Webersinke
- Abstract要約: 大規模言語モデル(LLM)は、人間のようなテキストを生成する能力を示すことによって、人工知能のランドスケープを変革した。
しかし、彼らはしばしば不正確な言語を使うが、それは気候変動など、正確性が重要である領域では有害である。
本研究では,複数のソースにアクセスするエージェントとしてLLMの可能性を活かすために,近年のアイデアを活用している。
本研究では,ClimateWatchから放射データを取得するプロトタイプエージェントを用いて,本手法の有効性を実証する。
- 参考スコア(独自算出の注目度): 5.2677629053588895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLMs) have significantly transformed the landscape of
artificial intelligence by demonstrating their ability in generating human-like
text across diverse topics. However, despite their impressive capabilities,
LLMs lack recent information and often employ imprecise language, which can be
detrimental in domains where accuracy is crucial, such as climate change. In
this study, we make use of recent ideas to harness the potential of LLMs by
viewing them as agents that access multiple sources, including databases
containing recent and precise information about organizations, institutions,
and companies. We demonstrate the effectiveness of our method through a
prototype agent that retrieves emission data from ClimateWatch
(https://www.climatewatchdata.org/) and leverages general Google search. By
integrating these resources with LLMs, our approach overcomes the limitations
associated with imprecise language and delivers more reliable and accurate
information in the critical domain of climate change. This work paves the way
for future advancements in LLMs and their application in domains where
precision is of paramount importance.
- Abstract(参考訳): 大規模言語モデル(LLM)は、さまざまなトピックにまたがる人間のようなテキストを生成する能力を示すことによって、人工知能の景観を大きく変えた。
しかし、その優れた能力にもかかわらず、llmは最近の情報に欠けており、気候変動のような正確さが重要である領域では有害な言語をしばしば採用している。
本研究では, 組織, 機関, 企業に関する最新の正確な情報を含むデータベースを含む複数のソースにアクセスするエージェントとして, LLMの潜在能力を活用すべく, 近年のアイデアを活用している。
本研究では,climatewatch (https://www.climatewatchdata.org/) から排出データを取得するプロトタイプエージェントを用いて,この手法の有効性を示す。
これらの資源をLCMと統合することにより、不正確な言語に関連する制約を克服し、気候変動の重要領域においてより信頼性と正確な情報を提供する。
この研究は、LLMの今後の進歩と、精度が最重要となる領域におけるそれらの応用の道を開くものである。
関連論文リスト
- Characterizing Truthfulness in Large Language Model Generations with
Local Intrinsic Dimension [63.330262740414646]
大規模言語モデル(LLM)から生成されたテキストの真偽を特徴付ける方法と予測法について検討する。
モデルアクティベーションの局所固有次元 (LID) を用いて, 内部アクティベーションを調査し, LLMの真偽を定量化する。
論文 参考訳(メタデータ) (2024-02-28T04:56:21Z) - From Text to Transformation: A Comprehensive Review of Large Language
Models' Versatility [4.17610395079782]
本研究では,GPT(Generative Pre-Trained Transformer)やBERT(Bidirectional Representations from Transformers)などの大規模言語モデル(LLM)の拡張について検討する。
自然言語処理(NLP)の確立した進歩にもかかわらず、これらのLLMは適合性、全体的幸福、都市計画、気候モデリング、災害管理といった領域に影響を及ぼすために体系的に検討されていない。
論文 参考訳(メタデータ) (2024-02-25T16:47:59Z) - Linguistic Intelligence in Large Language Models for Telecommunications [5.06945923921948]
自然言語処理(NLP)分野において,Large Language Models (LLMs) が大きな進歩を遂げている。
本研究は,電気通信分野におけるLLMの知識と理解能力を評価することを目的とする。
評価の結果,ゼロショットLLMは現状の細調整モデルに匹敵する性能を達成できることがわかった。
論文 参考訳(メタデータ) (2024-02-24T14:01:07Z) - ClimateX: Do LLMs Accurately Assess Human Expert Confidence in Climate
Statements? [0.0]
気候ステートメントにおけるエキスパート信頼度(Expert Confidence in Climate Statements, ClimateX)データセットは,8094気候ステートメントからなる,新規でキュレートされた専門家ラベル付きデータセットである。
このデータセットを用いて,近年のLarge Language Models (LLMs) は,気候関連文における人間の専門家の信頼度を分類できることを示す。
全体として、モデルは、低信頼と中自信のステートメントに一貫性があり、重要な自信を示します。
論文 参考訳(メタデータ) (2023-11-28T10:26:57Z) - The Quo Vadis of the Relationship between Language and Large Language
Models [3.10770247120758]
LLM(Large Language Models)は、LLMを言語科学モデルとして採用することを奨励している。
透明性に欠ける科学的モデルの導入によって引き起こされる最も重要な理論的および経験的リスクを特定します。
現在の開発段階において、LLMは言語に関する説明をほとんど提供していないと結論付けている。
論文 参考訳(メタデータ) (2023-10-17T10:54:24Z) - Survey on Factuality in Large Language Models: Knowledge, Retrieval and
Domain-Specificity [61.54815512469125]
本調査は,大規模言語モデル(LLM)における事実性の重要課題に対処する。
LLMが様々な領域にまたがる応用を見出すにつれ、その出力の信頼性と正確性は重要となる。
論文 参考訳(メタデータ) (2023-10-11T14:18:03Z) - Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。
自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。
このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
論文 参考訳(メタデータ) (2023-10-10T03:06:38Z) - Assessing Large Language Models on Climate Information [5.224074944044795]
本稿では,科学コミュニケーションの原則を基礎として,大規模言語モデル解析のための総合的な評価フレームワークを提案する。
我々のフレームワークは、LLM世代を詳細に分析する上で、提示と回答の妥当性の両方を強調している。
このタスクは、AIが人間のパフォーマンスを補完し、引き上げることのできる、ますます困難な問題の実例だ。
論文 参考訳(メタデータ) (2023-10-04T16:09:48Z) - On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。
本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
論文 参考訳(メタデータ) (2023-05-23T04:10:26Z) - Augmented Large Language Models with Parametric Knowledge Guiding [72.71468058502228]
大規模言語モデル(LLM)は、言語理解と生成能力に優れた自然言語処理(NLP)を備えています。
それらのパフォーマンスは、関連するデータへの限られた露出のために専門的な知識を必要とするドメイン固有のタスクに最適であるかもしれない。
本稿では,LLMに関連知識にアクセスするための知識誘導モジュールを組み込んだ新しいPKGフレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-08T15:05:16Z) - A Survey of Large Language Models [81.06947636926638]
言語モデリングは、過去20年間、言語理解と生成のために広く研究されてきた。
近年,大規模コーパス上でのトランスフォーマーモデルの事前学習により,事前学習言語モデル (PLM) が提案されている。
パラメータスケールの違いを識別するために、研究コミュニティは大規模言語モデル (LLM) という用語を提唱した。
論文 参考訳(メタデータ) (2023-03-31T17:28:46Z)
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。