論文の概要: $SmartProbe$: A Virtual Moderator for Market Research Surveys
- arxiv url: http://arxiv.org/abs/2305.08271v1
- Date: Sun, 14 May 2023 22:36:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 16:37:18.716291
- Title: $SmartProbe$: A Virtual Moderator for Market Research Surveys
- Title(参考訳): $SmartProbe$: 市場調査のための仮想モデレーター
- Authors: Josh Seltzer, Jiahua (Fiona) Pan, Kathy Cheng, Yuxiao Sun, Santosh
Kolagati, Jimmy Lin, Shi Zong
- Abstract要約: $tt SmartProbe$は、市場調査で効果的な調査質問を生成するAPIである。
我々は、$tt SmartProbe$のモジュラー処理フローを概説し、生成された探索問題の品質と有効性を評価する。
当社の取り組みは、業界関係者にLLMの最新の進歩に基づいて、現実世界のアプリケーションを構築するよう促すだろうと考えています。
- 参考スコア(独自算出の注目度): 35.27619594518386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Market research surveys are a powerful methodology for understanding consumer
perspectives at scale, but are limited by depth of understanding and insights.
A virtual moderator can introduce elements of qualitative research into
surveys, developing a rapport with survey participants and dynamically asking
probing questions, ultimately to elicit more useful information for market
researchers. In this work, we introduce ${\tt SmartProbe}$, an API which
leverages the adaptive capabilities of large language models (LLMs), and
incorporates domain knowledge from market research, in order to generate
effective probing questions in any market research survey. We outline the
modular processing flow of $\tt SmartProbe$, and evaluate the quality and
effectiveness of its generated probing questions. We believe our efforts will
inspire industry practitioners to build real-world applications based on the
latest advances in LLMs. Our demo is publicly available at
https://nexxt.in/smartprobe-demo
- Abstract(参考訳): 市場調査は、消費者の視点を大規模に理解するための強力な方法論であるが、理解と洞察の深みによって制限されている。
仮想モデレーターは、調査の質的研究の要素を導入し、調査参加者とのラプポートを開発し、探索的な質問を動的に行い、最終的には市場研究者により有用な情報を提供する。
本研究では,大規模言語モデル(llm)の適応能力を活用したapiである${\tt smartprobe}$を導入し,市場調査における効果的な調査質問を生成するために,市場調査からドメイン知識を取り入れる。
我々は,$\tt smartprobe$のモジュール処理フローを概説し,生成した調査質問の品質と有効性を評価する。
当社の取り組みは、業界関係者にLLMの最新の進歩に基づいて、現実世界のアプリケーションを構築するよう促すだろうと考えています。
私たちのデモはhttps://nexxt.in/smartprobe-demoで公開しています。
関連論文リスト
- Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When
and What to Retrieve for LLMs [64.0049955128318]
本稿では,スリムプロキシモデルを用いた大規模言語モデル (LLM) における知識不足を検知する新しい協調手法であるSlimPLMを提案する。
パラメータがはるかに少ないプロキシモデルを採用し、回答を回答としています。
ヒューリスティックな回答は、LLM内の既知の未知の知識と同様に、ユーザの質問に答えるために必要な知識を予測するのに使用される。
論文 参考訳(メタデータ) (2024-02-19T11:11:08Z) - Trends in Integration of Knowledge and Large Language Models: A Survey
and Taxonomy of Methods, Benchmarks, and Applications [42.61727038213399]
大規模言語モデル(LLM)は、様々な自然言語処理において優れた性能を示すが、時代遅れのデータやドメイン固有の制限から生じる問題の影響を受けやすい。
本稿では,手法,ベンチマーク,応用の分類など,知識モデルと大規模言語モデルの統合の動向を論じるレビューを提案する。
論文 参考訳(メタデータ) (2023-11-10T05:24:04Z) - FreshLLMs: Refreshing Large Language Models with Search Engine
Augmentation [92.43001160060376]
本研究では,現在の世界知識をテストする質問に答える文脈において,大規模言語モデル(LLM)の事実性について検討する。
多様な質問や回答のタイプを含む新しい動的QAベンチマークであるFreshQAを紹介する。
我々は,2モード評価法により,閉じたLLMとオープンソースのLLMの多種多様な配列をベンチマークし,その正しさと幻覚の両面を計測する。
これらの結果に触発されたFreshPromptは、FreshQA上でのLLMの性能を大幅に向上させる単純な数ショットプロンプトである。
論文 参考訳(メタデータ) (2023-10-05T00:04:12Z) - Buy when? Survival machine learning model comparison for purchase timing [0.0]
本稿では,サポートベクトルマシン,遺伝的アルゴリズム,ディープラーニング,K平均といったマーケティング機械学習技術について検討する。
ジェンダー、インカム、ロケーション、購入履歴、オンラインディスカウント、興味、プロモーション、顧客体験はすべて、購入時間に影響を与える。
調査によると、DeepSurvモデルは購入完了が最良であると予測している。
論文 参考訳(メタデータ) (2023-08-28T06:40:02Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [83.90471827695625]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z) - Question Answering Survey: Directions, Challenges, Datasets, Evaluation
Matrices [0.0]
QA分野の研究の方向性は,質問の種類,回答の種類,根拠の源泉,モデリングアプローチに基づいて分析される。
これに続き、自動質問生成、類似性検出、言語に対する低リソース可用性など、この分野のオープンな課題が続きます。
論文 参考訳(メタデータ) (2021-12-07T08:53:40Z) - Single-Modal Entropy based Active Learning for Visual Question Answering [75.1682163844354]
視覚質問応答(VQA)のマルチモーダル設定におけるアクティブラーニングに対処する
マルチモーダルな入力,画像,質問を考慮し,有効サンプル取得のための新しい手法を提案する。
私たちの新しいアイデアは、実装が簡単で、コスト効率が高く、他のマルチモーダルタスクにも容易に適応できます。
論文 参考訳(メタデータ) (2021-10-21T05:38:45Z) - Exploration and Incentives in Reinforcement Learning [107.42240386544633]
各エージェントが同一(ただし未知)のMDPに直面する複雑な探索問題を考察する。
エージェントはポリシーの選択を制御するが、アルゴリズムは推奨事項のみを発行できる。
MDPのすべての到達可能な状態を探索するアルゴリズムを設計します。
論文 参考訳(メタデータ) (2021-02-28T00:15:53Z)
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。