論文の概要: GPT Models in Construction Industry: Opportunities, Limitations, and a Use Case Validation

• arxiv url: http://arxiv.org/abs/2305.18997v1
• Date: Tue, 30 May 2023 12:50:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 16:22:17.111282
• Title: GPT Models in Construction Industry: Opportunities, Limitations, and a Use Case Validation
• Title（参考訳）: 建設業におけるGPTモデル--機会・限界・ユースケース検証
• Authors: Abdullahi Saka, Ridwan Taiwo, Nurudeen Saka, Babatunde Salami, Saheed Ajayi, Kabiru Akande, and Hadi Kazemi
• Abstract要約: 本研究は,建設業におけるGPTモデルの評価を目的とした。 その結果,プロジェクトライフサイクル全体を通してGPTモデルの可能性が明らかになった。 GPTモデルを活用する上での課題が強調され、材料選択と最適化のためのユースケースプロトタイプが開発されている。
• 参考スコア（独自算出の注目度）: 3.378773915814389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models(LLMs) trained on large data sets came into prominence in 2018 after Google introduced BERT. Subsequently, different LLMs such as GPT models from OpenAI have been released. These models perform well on diverse tasks and have been gaining widespread applications in fields such as business and education. However, little is known about the opportunities and challenges of using LLMs in the construction industry. Thus, this study aims to assess GPT models in the construction industry. A critical review, expert discussion and case study validation are employed to achieve the study objectives. The findings revealed opportunities for GPT models throughout the project lifecycle. The challenges of leveraging GPT models are highlighted and a use case prototype is developed for materials selection and optimization. The findings of the study would be of benefit to researchers, practitioners and stakeholders, as it presents research vistas for LLMs in the construction industry.
• Abstract（参考訳）: 大規模なデータセットでトレーニングされた大規模言語モデル(llm)は、googleがbertを導入した2018年に注目を集めた。 その後、OpenAI の GPT モデルなど様々な LLM がリリースされた。 これらのモデルは様々なタスクでうまく動作し、ビジネスや教育といった分野で広く応用されている。 しかし, 建設業における LLM の利用機会や課題についてはほとんど分かっていない。 そこで本研究では,建設業におけるGPTモデルの評価を目的とした。 研究目的を達成するために,批判的レビュー,エキスパートディスカッション,ケーススタディ検証が採用されている。 その結果,プロジェクトライフサイクル全体を通してGPTモデルの可能性が明らかになった。 GPTモデルを活用する上での課題が強調され,材料選択と最適化のためのユースケースプロトタイプが開発された。 この研究の成果は、建設業界におけるLLMの研究ビスタを示すため、研究者、実践者、ステークホルダーに利益をもたらすだろう。

関連論文リスト

• What is the Role of Large Language Models in the Evolution of Astronomy Research? [0.0]
  ChatGPTや他の最先端の大規模言語モデル(LLM)は、急速に複数のフィールドを変換している。 これらのモデルは、一般に広大なデータセットに基づいて訓練され、人間のようなテキスト生成能力を示す。
  論文  参考訳（メタデータ） (2024-09-30T12:42:25Z)
• LLAVADI: What Matters For Multimodal Large Language Models Distillation [77.73964744238519]
  本研究では,新しい効率的なモデル構造を提案するのではなく,スクラッチから小規模MLLMを訓練する。 本研究は, 知識蒸留プロセスにおける学習戦略, モデル選択, 蒸留アルゴリズムに関するものである。 異なるベンチマークと適切な戦略を評価することで、2.7Bの小型モデルでも7Bまたは13Bのパラメータを持つ大型モデルと同等に動作することができる。
  論文  参考訳（メタデータ） (2024-07-28T06:10:47Z)
• LLM4PM: A case study on using Large Language Models for Process Modeling in Enterprise Organizations [4.952592509670493]
  本稿では,大規模言語モデル(LLM)を用いてプロセスモデル作成を支援する可能性について検討する。 多国籍企業でLLMベースのロボット PRODIGY を開発した。 実世界におけるプロセスモデリングにおける LLM の実用化について紹介する。
  論文  参考訳（メタデータ） (2024-07-01T19:57:36Z)
• GPT-ology, Computational Models, Silicon Sampling: How should we think about LLMs in Cognitive Science? [4.242435932138821]
  GPT-ology, LLMs-as-computational-models, Silicon sample など,いくつかの新しい研究パラダイムについてレビューする。 我々は、科学を前進させるために対処しなければならないLCMに関するいくつかの際立った問題を強調します。
  論文  参考訳（メタデータ） (2024-06-13T04:19:17Z)
• Large Language Models for Data Annotation: A Survey [49.8318827245266]
  LLM(Advanced Large Language Models)の出現は、データアノテーションの複雑なプロセスを自動化する前例のない機会を提供する。 この調査には、LLMが注釈付けできるデータタイプの詳細な分類、LLM生成アノテーションを利用したモデルの学習戦略のレビュー、データアノテーションにLLMを使用する際の主な課題と制限に関する詳細な議論が含まれている。
  論文  参考訳（メタデータ） (2024-02-21T00:44:04Z)
• A Survey on Knowledge Distillation of Large Language Models [99.11900233108487]
  知識蒸留(KD)は、高度な能力をオープンソースモデルに転送するための重要な方法論である。 本稿では,大規模言語モデル(LLM)の領域におけるKDの役割を包括的に調査する。
  論文  参考訳（メタデータ） (2024-02-20T16:17:37Z)
• Learn From Model Beyond Fine-Tuning: A Survey [78.80920533793595]
  Learn From Model (LFM) は、モデルインターフェースに基づいた基礎モデル(FM)の研究、修正、設計に焦点を当てている。 LFM技術の研究は、モデルチューニング、モデル蒸留、モデル再利用、メタラーニング、モデル編集の5つの分野に大別できる。 本稿では, LFM の観点から, FM に基づく現在の手法を概観する。
  論文  参考訳（メタデータ） (2023-10-12T10:20:36Z)
• A Survey of GPT-3 Family Large Language Models Including ChatGPT and GPT-4 [4.206175795966694]
  LLM(Large Language Model)は、モデルのサイズを拡大し、コーパスを事前訓練し、計算することで得られる訓練済み言語モデルの特殊なクラスである。 我々は GPT-3 とその後継 OpenAI モデルである ChatGPT と GPT4 を GPT-3 ファミリー大言語モデル (GLLM) と呼ぶ。
  論文  参考訳（メタデータ） (2023-10-04T16:37:05Z)
• Black-Box Analysis: GPTs Across Time in Legal Textual Entailment Task [17.25356594832692]
  本稿では,COLIEE Task 4 データセット上での GPT-3.5 (ChatGPT) と GPT-4 の性能解析を行う。 予備的な実験結果から,法的なテキスト・エンタテインメント・タスクの処理におけるモデルの強みや弱点に関する興味深い知見が得られた。
  論文  参考訳（メタデータ） (2023-09-11T14:43:54Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。 本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
  論文  参考訳（メタデータ） (2023-05-31T13:51:26Z)
• LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities and Future Opportunities [66.36633042421387]
  知識グラフ(KG)の構築と推論のための大規模言語モデル(LLM)の評価。 我々は,LLMと外部ソースを用いたマルチエージェントベースのアプローチであるAutoKGを提案し,KGの構築と推論を行う。
  論文  参考訳（メタデータ） (2023-05-22T15:56:44Z)

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。