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
- 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) - AdaRefiner: Refining Decisions of Language Models with Adaptive Feedback [37.22370177877156]
大規模言語モデル(LLM)は、様々な領域で大きな成功を収めている。
複雑な意思決定タスクにおけるそれらの応用は、しばしば複雑な迅速なエンジニアリングや微調整を必要とする。
本稿では,LLMとRLフィードバックの相乗効果を高めるために設計された新しいフレームワークであるAdaRefinerを紹介する。
我々の研究は、RLフィードバックによるLLMの自動自己修正に貢献し、複雑な意思決定問題に対してより適応的で効率的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-29T12:16:19Z) - 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) - Automatically Correcting Large Language Models: Surveying the landscape
of diverse self-correction strategies [104.32199881187607]
大規模言語モデル(LLM)は、幅広いNLPタスクで顕著な性能を示した。
これらの欠陥を正すための有望なアプローチは自己補正であり、LLM自体が自身の出力で問題を修正するために誘導される。
本稿では,この新技術について概観する。
論文 参考訳(メタデータ) (2023-08-06T18:38:52Z) - 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) - Literal-Aware Knowledge Graph Embedding for Welding Quality Monitoring:
A Bosch Case [7.824621590434853]
本稿では, 製造業における溶接品質モニタリングという重要な課題に対して, 知識グラフ埋め込み(KGE)をどの程度活用できるかについて検討する。
この論文は、溶接スポットの直径がどれだけ大きいのか、溶接スポットがどの車体に属しているのかという、非常に難しい2つの質問に同時に取り組む。
リンク予測として問題を定式化し,リテラルを考慮したKGE手法を実業界データ上で実験した。
論文 参考訳(メタデータ) (2023-08-02T12:22:35Z) - SciBench: Evaluating College-Level Scientific Problem-Solving Abilities
of Large Language Models [72.92461995173201]
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) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳(メタデータ) (2021-11-04T20:18:55Z)
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。