Fugu-MT 論文翻訳(概要): Industrial Engineering with Large Language Models: A case study of ChatGPT's performance on Oil & Gas problems

論文の概要: Industrial Engineering with Large Language Models: A case study of ChatGPT's performance on Oil & Gas problems

arxiv url: http://arxiv.org/abs/2304.14354v1
Date: Thu, 27 Apr 2023 17:33:49 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 12:24:11.678622
Title: Industrial Engineering with Large Language Models: A case study of ChatGPT's performance on Oil & Gas problems
Title（参考訳）: 大規模言語モデルを用いた産業工学:石油・ガス問題におけるChatGPTの業績を事例として
Authors: Oluwatosin Ogundare, Srinath Madasu, Nathanial Wiggins
Abstract要約: 大規模言語モデル(LLM)は、様々な分野で複雑な問題を解く大きな可能性を示している。本稿では, 石油・ガス工学の分野において, 現在のLCMアプローチ, 特にChatGPTの限界を明らかにする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large Language Models (LLMs) have shown great potential in solving complex problems in various fields, including oil and gas engineering and other industrial engineering disciplines like factory automation, PLC programming etc. However, automatic identification of strong and weak solutions to fundamental physics equations governing several industrial processes remain a challenging task. This paper identifies the limitation of current LLM approaches, particularly ChatGPT in selected practical problems native to oil and gas engineering but not exclusively. The performance of ChatGPT in solving complex problems in oil and gas engineering is discussed and the areas where LLMs are most effective are presented.
Abstract（参考訳）: 大規模言語モデル(LLM)は、石油やガス工学、工場自動化、PLCプログラミングなどの産業工学分野など、様々な分野で複雑な問題を解く大きな可能性を示している。しかし、いくつかの産業プロセスを管理する基礎物理学方程式に対する強解と弱解の自動同定は難しい課題である。本稿では, 石油・ガス工学に限らず, 現在のLCMアプローチ, 特にChatGPTの限界を明らかにする。石油・ガス工学における複雑な問題の解決におけるChatGPTの性能について論じ, LLMが最も有効な分野について述べる。

関連論文リスト

EEE-Bench: A Comprehensive Multimodal Electrical And Electronics Engineering Benchmark [10.265704144939503]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、科学や数学など様々な分野で有望なスキルを実証している。実用工学的課題の解決におけるLMMの能力評価を目的としたマルチモーダルベンチマークであるEEE-Benchを提案する。我々のベンチマークは、アナログ回路や制御システムなど10の必須課題にまたがる2860の慎重に計算された問題からなる。
論文参考訳（メタデータ） (2024-11-03T09:17:56Z)
Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。 Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文参考訳（メタデータ） (2024-11-01T14:27:16Z)
Solving for X and Beyond: Can Large Language Models Solve Complex Math Problems with More-Than-Two Unknowns? [57.80779199039929]
大規模言語モデル (LLM) は数学問題の解法において顕著な性能を示した。本稿では,複数の未知の問題を組み込むことで,これらの制約に対処する新しいベンチマークであるBeyondXを紹介する。 BeyondXに関する実証的な研究によると、数学のタスクに特化して調整された既存のLLMの性能は、未知の数が増えるにつれて著しく低下する。
論文参考訳（メタデータ） (2024-07-06T17:01:04Z)
Domain-specific ReAct for physics-integrated iterative modeling: A case study of LLM agents for gas path analysis of gas turbines [6.296946118570559]
本研究では,大言語モデル(LLM)のエネルギー・電力工学領域における呼び出し可能なツールによる適用について検討する。 1000億近いパラメータを持つLLMは、細調整と高度なプロンプト設計でプロのシナリオ要件を満たすことができた。
論文参考訳（メタデータ） (2024-06-01T13:35:18Z)
Future-proofing geotechnics workflows: accelerating problem-solving with large language models [2.8414492326907577]
本稿は,東京で開催されているハンズオンワークショップにおいて,大規模言語モデルの地工学への応用を探求するものである。本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎データ解析から複雑な問題解決まで,様々なタスクの処理能力を強調した。
論文参考訳（メタデータ） (2023-12-14T05:17:27Z)
Large Language Models for Software Engineering: Survey and Open Problems [35.29302720251483]
本稿では,ソフトウェア工学(SE)におけるLarge Language Models(LLMs)の新しい領域について調査する。本調査では,ハイブリッド技術(従来のSE+LLM)が,信頼性,効率,効率のよいLLMベースのSEの開発と展開において果たすべき重要な役割を明らかにした。
論文参考訳（メタデータ） (2023-10-05T13:33:26Z)
Simultaneous Machine Translation with Large Language Models [51.470478122113356]
我々は,SimulMTタスクに大規模言語モデルを適用する可能性を検討する。 MUST-Cデータセットと異なる9言語でtextttLlama2-7b-chatモデルを用いて実験を行った。その結果,LLM は BLEU と LAAL の指標で専用MT モデルよりも優れていた。
論文参考訳（メタデータ） (2023-09-13T04:06:47Z)
A Critical Review of Physics-Informed Machine Learning Applications in Subsurface Energy Systems [0.0]
物理インフォームド機械学習(PIML)技術は、物理原理をデータ駆動モデルに統合する。 PIMLは、モデルの一般化、物理法則の遵守、解釈可能性を改善する。本稿では,主に石油・ガス産業における地下エネルギーシステムに関するPIML応用について概説する。
論文参考訳（メタデータ） (2023-08-06T18:20:24Z)
SciBench: Evaluating College-Level Scientific Problem-Solving Abilities of Large Language Models [70.5763210869525]
拡張ベンチマークスイートSciBench for Large Language Model (LLM)を導入する。 SciBenchには、数学、化学、物理学の分野から、さまざまな大学レベルの科学的問題を含むデータセットが含まれている。その結果、現在のLLMは満足のいく性能を達成できないことが判明し、全体のスコアは43.22%に過ぎなかった。
論文参考訳（メタデータ） (2023-07-20T07:01:57Z)
Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文参考訳（メタデータ） (2023-04-14T14:55:19Z)
PAL: Program-aided Language Models [112.94785609781503]
自然言語問題を理解するために,プログラム支援言語モデル(PaL)を提案する。 PaLはソリューションステップをPythonインタプリタのようなプログラムランタイムにオフロードする。私たちは12のベンチマークで新しい最先端の結果を設定しました。
論文参考訳（メタデータ） (2022-11-18T18:56:13Z)

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。