論文の概要: ChatAgri: Exploring Potentials of ChatGPT on Cross-linguistic Agricultural Text Classification

• arxiv url: http://arxiv.org/abs/2305.15024v1
• Date: Wed, 24 May 2023 11:06:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 16:47:34.334954
• Title: ChatAgri: Exploring Potentials of ChatGPT on Cross-linguistic Agricultural Text Classification
• Title（参考訳）: ChatAgri: 言語横断型農業用テキスト分類におけるChatGPTの可能性を探る
• Authors: Biao Zhao, Weiqiang Jin, Javier Del Ser, Guang Yang
• Abstract要約: 高効率で必要な農業知識にアクセスできるようにするために,効果的なテキスト分類手法を検討することが急務である。 プレトレーニング言語モデル(PLM)に微調整戦略を取り入れた主流のディープラーニングアプローチは、ここ数年で顕著なパフォーマンス向上を示してきた。 本研究では,農業情報化分野に適用するChatGPTの能力と利用性について検討する。
• 参考スコア（独自算出の注目度）: 8.18726897455402
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In the era of sustainable smart agriculture, a massive amount of agricultural news text is being posted on the Internet, in which massive agricultural knowledge has been accumulated. In this context, it is urgent to explore effective text classification techniques for users to access the required agricultural knowledge with high efficiency. Mainstream deep learning approaches employing fine-tuning strategies on pre-trained language models (PLMs), have demonstrated remarkable performance gains over the past few years. Nonetheless, these methods still face many drawbacks that are complex to solve, including: 1. Limited agricultural training data due to the expensive-cost and labour-intensive annotation; 2. Poor domain transferability, especially of cross-linguistic ability; 3. Complex and expensive large models deployment.Inspired by the extraordinary success brought by the recent ChatGPT (e.g. GPT-3.5, GPT-4), in this work, we systematically investigate and explore the capability and utilization of ChatGPT applying to the agricultural informatization field. ....(shown in article).... Code has been released on Github https://github.com/albert-jin/agricultural_textual_classification_ChatGPT.
• Abstract（参考訳）: 持続可能なスマート農業の時代、大量の農業ニュースがインターネットに投稿され、農業に関する膨大な知識が蓄積されている。 この文脈では、必要な農業知識に高い効率でアクセスするための効果的なテキスト分類手法を検討することが急務である。 事前学習された言語モデル(plm)に微調整戦略を用いる主流のディープラーニングアプローチは、過去数年間で著しいパフォーマンス向上を示している。 それにもかかわらず、これらの方法はまだ解決が難しい多くの欠点に直面している。 1.高価な労働集約アノテーションによる限られた農業訓練データ 2.貧弱なドメイン転送可能性、特に言語横断能力 本研究は、最近のChatGPT(GPT-3.5, GPT-4)がもたらす異常な成功に触発され、農業情報化分野に適用するChatGPTの能力と活用性を体系的に検討し、検討する。 .... (項参照) コードはgithub https://github.com/albert-jin/agricultural_textual_classification_chatgptで公開されている。

関連論文リスト

• AgroGPT: Efficient Agricultural Vision-Language Model with Expert Tuning [30.034193330398292]
  本稿では,農業領域における視覚のみのデータを活用した指導調整データの構築手法を提案する。 我々は、複数のドメインにまたがる多様な農業データセットを利用し、クラス固有の情報をキュレートし、大規模言語モデル(LLM)を用いてエキスパートチューニングセットを構築する。 AgroGPTは、複雑な農業関連の会話を処理し、有用な洞察を提供する効率的なLMMである。
  論文  参考訳（メタデータ） (2024-10-10T22:38:26Z)
• P-RAG: Progressive Retrieval Augmented Generation For Planning on Embodied Everyday Task [94.08478298711789]
  Embodied Everyday Taskは、インボディードAIコミュニティで人気のあるタスクである。 自然言語命令は明示的なタスクプランニングを欠くことが多い。 タスク環境に関する知識をモデルに組み込むには、広範囲なトレーニングが必要である。
  論文  参考訳（メタデータ） (2024-09-17T15:29:34Z)
• Farmer.Chat: Scaling AI-Powered Agricultural Services for Smallholder Farmers [0.0]
  小規模と中規模の農業所有者は、地域化、タイムリーな情報へのアクセス制限、生産性と持続可能性への影響といった課題に直面している。 従来の拡張サービスは、個人エージェントに依存しており、スケーラビリティとタイムリーなデリバリに苦労しています。 私たちは、これらの問題に対処するために設計された、AIを使った生成型チャットボットであるFarmerChatを紹介します。 FarmerChatは4カ国で展開され、1万5000以上の農家と関わり、30万件以上の問い合わせに答えている。
  論文  参考訳（メタデータ） (2024-09-13T15:31:33Z)
• Label-Efficient Learning in Agriculture: A Comprehensive Review [15.117639286963604]
  著者らは、ラベル効率のよいML/DLメソッドを監督の度合いに応じて整理する原則的な分類法を開発した。 本稿では,これらのラベル効率アルゴリズムを利用した各種農業応用の体系的レビューを紹介する。
  論文  参考訳（メタデータ） (2023-05-24T03:53:20Z)
• ChatGraph: Interpretable Text Classification by Converting ChatGPT Knowledge to Graphs [54.48467003509595]
  ChatGPTは、様々な自然言語処理(NLP)タスクにおいて優れたパフォーマンスを示している。 テキスト分類などの特定のタスクにChatGPTのパワーを利用する新しいフレームワークを提案する。 本手法は,従来のテキスト分類法と比較して,より透過的な意思決定プロセスを提供する。
  論文  参考訳（メタデータ） (2023-05-03T19:57:43Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large Language Models in Multilingual Learning [70.57126720079971]
  大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。 本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。 従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
  論文  参考訳（メタデータ） (2023-04-12T05:08:52Z)
• Affordable Artificial Intelligence -- Augmenting Farmer Knowledge with AI [1.9992810351494297]
  本稿では,農地の微小気候を予測するためのAI技術について述べる。 この出版物は2016年に開始され、FAOとITUが共同で制作したE-agriculture in Actionシリーズの第5弾である。 農業における既存のAIアプリケーションに対する認識を高め、ステークホルダーに新しいものの開発と複製を促すことを目的としている。
  論文  参考訳（メタデータ） (2023-03-04T02:29:52Z)
• A Categorical Archive of ChatGPT Failures [47.64219291655723]
  OpenAIが開発したChatGPTは、大量のデータを使って訓練され、人間の会話をシミュレートしている。 それは、広範囲の人間の問い合わせに効果的に答える能力のために、大きな注目を集めている。 しかし、ChatGPTの失敗の包括的分析は欠落しており、これが本研究の焦点となっている。
  論文  参考訳（メタデータ） (2023-02-06T04:21:59Z)
• RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)
• LSTM-RASA Based Agri Farm Assistant for Farmers [1.4777718769290527]
  このプロジェクトは、農業分野のためのクローズドドメインのChatBotを実装することを目的としている。 Farmers AssistantはRASA Open Source Frameworkをベースにしている。 ユーザエンティティを発話から識別し、データベースから治療を検索する。
  論文  参考訳（メタデータ） (2022-04-07T11:01:54Z)

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。