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

• HintEval: A Comprehensive Framework for Hint Generation and Evaluation for Questions [16.434748534272014]
  HintEvalはPythonライブラリで、多様なデータセットにアクセスしやすくし、ヒントを生成して評価するための複数のアプローチを提供する。 参入障壁を減らすことで、HintEvalは、NLP/IRコミュニティ内のヒント生成と分析研究を促進するための大きな一歩を提供する。
  論文  参考訳（メタデータ） (2025-02-02T17:07:18Z)
• Exploring the Readiness of Prominent Small Language Models for the Democratization of Financial Literacy [0.0]
  小型言語モデル(SLM)は、異なる社会経済的地位と異なるプライバシーの好みを持つ個人のための言語モデルへのアクセスを民主化する可能性を持っている。 本研究は、金融分野における金融リテラシーの育成を支援するために、いくつかの最先端のSLMを評価した。
  論文  参考訳（メタデータ） (2024-10-09T17:48:40Z)
• Search Engines, LLMs or Both? Evaluating Information Seeking Strategies for Answering Health Questions [3.8984586307450093]
  我々は,異なるWeb検索エンジン,LLM(Large Language Models)およびRAG(Research-augmented)アプローチを比較した。 健康問題に対処する可能性のあるウェブページの品質は、ランキングを下方へ下るにつれて低下しない。 評価の結果, Web エンジンは健康問題に対する正しい回答を見つける上で LLM よりも精度が低いことがわかった。
  論文  参考訳（メタデータ） (2024-07-17T10:40:39Z)
• ResearchBot: Bridging the Gap between Academic Research and Practical Programming Communities [1.7825757481227438]
  このプロジェクトでは、学術と産業のギャップを埋めるためのツールであるResearchBotを導入する。 ResearchBotはモジュール的なアプローチを採用し、質問を理解し、クエリをキュレートして関連論文を取得し、論文内容を要約する。 ResearchBotの中核的な目的は、業界の専門家のための学術的知識へのアクセスを民主化することだ。
  論文  参考訳（メタデータ） (2024-07-02T20:17:13Z)
• Multi-LLM QA with Embodied Exploration [55.581423861790945]
  未知環境における質問応答におけるマルチエンボディードLEMエクスプローラ(MELE)の利用について検討する。 複数のLSMベースのエージェントが独立して家庭用環境に関する質問を探索し、回答する。 各問合せに対して1つの最終回答を生成するために,異なるアグリゲーション手法を解析する。
  論文  参考訳（メタデータ） (2024-06-16T12:46:40Z)
• A Survey on Deep Active Learning: Recent Advances and New Frontiers [27.07154361976248]
  この研究は、ディープラーニングに基づくアクティブラーニング(DAL)の難しさを克服する上で、研究者にとって有用かつ迅速なガイドとなることを目的としている。 この手法は適用可能性の広さから人気が高まりつつあるが、特にディープラーニングに基づくアクティブラーニング(DAL)に関する調査論文は乏しいままである。
  論文  参考訳（メタデータ） (2024-05-01T05:54:33Z)
• Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When and What to Retrieve for LLMs [60.40396361115776]
  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)
• 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)
• How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
  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)
• 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)

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。