論文の概要: A PhD Student's Perspective on Research in NLP in the Era of Very Large
Language Models
- arxiv url: http://arxiv.org/abs/2305.12544v1
- Date: Sun, 21 May 2023 19:06:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 19:47:18.068143
- Title: A PhD Student's Perspective on Research in NLP in the Era of Very Large
Language Models
- Title(参考訳): 大規模言語モデル時代のnlp研究における博士課程生の視点
- Authors: Oana Ignat, Zhijing Jin, Artem Abzaliev, Laura Biester, Santiago
Castro, Naihao Deng, Xinyi Gao, Aylin Gunal, Jacky He, Ashkan Kazemi,
Muhammad Khalifa, Namho Koh, Andrew Lee, Siyang Liu, Do June Min, Shinka
Mori, Joan Nwatu, Veronica Perez-Rosas, Siqi Shen, Zekun Wang, Winston Wu,
Rada Mihalcea
- Abstract要約: 大規模言語モデルの最近の進歩は、多くの生成NLPアプリケーションのデプロイを可能にしている。
この文書は、NLP研究の方向性をまとめたもので、探索に豊富である。
- 参考スコア(独自算出の注目度): 28.01821384651321
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent progress in large language models has enabled the deployment of many
generative NLP applications. At the same time, it has also led to a misleading
public discourse that ``it's all been solved.'' Not surprisingly, this has in
turn made many NLP researchers -- especially those at the beginning of their
career -- wonder about what NLP research area they should focus on. This
document is a compilation of NLP research directions that are rich for
exploration, reflecting the views of a diverse group of PhD students in an
academic research lab. While we identify many research areas, many others
exist; we do not cover those areas that are currently addressed by LLMs but
where LLMs lag behind in performance, or those focused on LLM development. We
welcome suggestions for other research directions to include:
https://bit.ly/nlp-era-llm
- Abstract(参考訳): 大規模言語モデルの最近の進歩は、多くの生成NLPアプリケーションのデプロイを可能にしている。
同時に、これは '`it' がすべて解決されたという誤解を招く公の談話にも繋がった。
驚くべきことではないが、これによって多くのNLP研究者(特にキャリアの始めの研究者)は、NLPの研究分野がどの分野に注力すべきか疑問に思うようになった。
本論文は,NLP研究の方向性をまとめたもので,研究機関における多種多様なPhD学生の視点を反映したものである。
LLMが現在対応している分野ではなく、LLMが性能面で遅れている分野や、LLM開発に焦点を当てている分野をカバーしています。
https://bit.ly/nlp-era-llm。
関連論文リスト
- Large Language Models and Games: A Survey and Roadmap [3.8769521116457146]
大規模言語モデル(LLM)は、ゲームを含む幅広いアプリケーションやドメインにおいて、顕著なポテンシャルを示している。
本稿では,ゲームにおけるLLMの様々な応用状況を調査し,ゲーム内でLLMが果たす役割について検討する。
論文 参考訳(メタデータ) (2024-02-28T19:09:08Z) - Large Language Models: A Survey [69.72787936480394]
大規模言語モデル(LLM)は、広範囲の自然言語タスクにおける強力なパフォーマンスのために、多くの注目を集めている。
LLMの汎用言語理解と生成能力は、膨大なテキストデータに基づいて数十億のモデルのパラメータを訓練することで得られる。
論文 参考訳(メタデータ) (2024-02-09T05:37:09Z) - Rethinking Interpretability in the Era of Large Language Models [76.1947554386879]
大規模言語モデル(LLM)は、幅広いタスクにまたがる顕著な機能を示している。
自然言語で説明できる能力により、LLMは人間に与えられるパターンのスケールと複雑さを拡大することができる。
これらの新しい機能は、幻覚的な説明や膨大な計算コストなど、新しい課題を提起する。
論文 参考訳(メタデータ) (2024-01-30T17:38:54Z) - Mind your Language (Model): Fact-Checking LLMs and their Role in NLP
Research and Practice [91.20332726935992]
本稿では, LLM の定義に寄与し, それらの機能に関する仮定をいくつか説明し, それらに対する既存の証拠を概説する。
我々は今後の研究の方向性とフレーミングについて提案する。
論文 参考訳(メタデータ) (2023-08-14T13:00:53Z) - Aligning Large Language Models with Human: A Survey [53.6014921995006]
広範囲なテキストコーパスで訓練されたLarge Language Models (LLM) は、幅広い自然言語処理(NLP)タスクの先導的なソリューションとして登場した。
その顕著な性能にもかかわらず、これらのモデルは、人間の指示を誤解したり、偏見のあるコンテンツを生成したり、事実的に誤った情報を生成するといった、ある種の制限を受ける傾向にある。
本調査では,これらのアライメント技術の概要について概観する。
論文 参考訳(メタデータ) (2023-07-24T17:44:58Z) - A Comprehensive Overview of Large Language Models [70.78732351626734]
大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。
本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
論文 参考訳(メタデータ) (2023-07-12T20:01:52Z) - Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good [115.1507728564964]
NLP4SG Papersは3つのタスクを関連づけた科学データセットである。
これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。
現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
論文 参考訳(メタデータ) (2023-05-09T14:16:25Z) - A Bibliometric Review of Large Language Models Research from 2017 to
2023 [1.4190701053683017]
LLM(Large Language Model)は、自然言語処理(NLP)タスクにおいて優れた性能を示す言語モデルである。
本稿は,LLM研究の現在の姿を知るための研究者,実践者,政策立案者のロードマップとして機能する。
論文 参考訳(メタデータ) (2023-04-03T21:46:41Z)
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。