Fugu-MT 論文翻訳(概要): Connecting the Dots of Knowledge in Agile Software Development

論文の概要: Connecting the Dots of Knowledge in Agile Software Development

arxiv url: http://arxiv.org/abs/2306.05742v1
Date: Fri, 9 Jun 2023 08:19:07 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 04:04:02.820892
Title: Connecting the Dots of Knowledge in Agile Software Development
Title（参考訳）: アジャイルソフトウェア開発における知識の点をつなぐ
Authors: Raquel Ouriques, Tony Gorschek, Daniel Mendez, Fabian Fagerholm
Abstract要約: 本稿では、経済的価値を生み出す大きな可能性から、知識を資源として管理することの重要性について論じる。我々は,知識資源の種類,その管理に関わる課題,有用性を最大化する潜在的なソリューションについて詳述する。
参考スコア（独自算出の注目度）: 2.233835326994069
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This article discusses the importance of managing knowledge as a resource due to its great potential to create economic value. We detail the types of knowledge resources, the challenges associated with their management, and potential solutions to maximise their utility. Our contribution is based on empirical studies performed in an industry context.
Abstract（参考訳）: 本稿では、経済的価値を生み出す大きな可能性から、知識を資源として管理することの重要性について論じる。我々は,知識資源の種類,管理に関わる課題,有用性を最大化する潜在的なソリューションについて詳述する。私たちの貢献は、業界状況における実証的研究に基づいている。

関連論文リスト

GIVE: Structured Reasoning with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを統合する新しい推論フレームワークである。本手法は,ゴールド回答検索ではなく,専門家の問題解決に類似した論理的・段階的推論手法を提案する。
論文参考訳（メタデータ） (2024-10-11T03:05:06Z)
Large Language Models are Limited in Out-of-Context Knowledge Reasoning [65.72847298578071]
大規模言語モデル (LLMs) は、文脈内推論の実行において広範な知識と強力な能力を持っている。本稿では、複数の知識を組み合わせて新しい知識を推論する、文脈外知識推論(OCKR)という、文脈外推論の重要な側面に焦点を当てる。
論文参考訳（メタデータ） (2024-06-11T15:58:59Z)
Towards Knowledge-Grounded Natural Language Understanding and Generation [1.450405446885067]
この論文は、トランスフォーマーモデルによる自然言語の理解と生成が、モデルに知識表現を組み込むことの利点について考察する。この論文では、関連性のある、最新のエンティティの知識を取り入れることで、偽ニュース検出の恩恵を受ける。パラメトリックな知識や蒸留された知識といった他の一般的な知識は、多言語および多言語的な知識集約的なタスクを強化することが確立されている。
論文参考訳（メタデータ） (2024-03-22T17:32:43Z)
InfuserKI: Enhancing Large Language Models with Knowledge Graphs via Infuser-Guided Knowledge Integration [61.554209059971576]
大規模言語モデル(LLM)は、様々な領域にまたがる顕著なオープンジェネレーション機能を示している。新しい知識を注入すると、以前に獲得した知識を忘れるリスクが生じる。 Infuser-Guided Knowledge Integration フレームワークを提案する。
論文参考訳（メタデータ） (2024-02-18T03:36:26Z)
Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文参考訳（メタデータ） (2023-10-11T08:22:37Z)
Worth of knowledge in deep learning [3.132595571344153]
我々は、知識の価値を評価するために、解釈可能な機械学習にインスパイアされたフレームワークを提案する。我々の研究結果は、依存、相乗効果、置換効果を含む、データと知識の複雑な関係を解明する。我々のモデルに依存しないフレームワークは、様々な共通ネットワークアーキテクチャに適用でき、ディープラーニングモデルにおける事前知識の役割を包括的に理解することができる。
論文参考訳（メタデータ） (2023-07-03T02:25:19Z)
UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文参考訳（メタデータ） (2023-05-02T17:33:28Z)
Materialized Knowledge Bases from Commonsense Transformers [8.678138390075077]
この方法で生成されたコモンセンス知識の実体化されたリソースは公開されていない。本稿では, このギャップを埋め, 物質化資源を用いて, 精度とリコールの観点から, このアプローチの可能性の詳細な分析を行う。我々は、一般的な問題を特定し、実体化されたリソースによって実現されるユースケースの概要を述べる。
論文参考訳（メタデータ） (2021-12-29T20:22:05Z)
Dimensions of Commonsense Knowledge [60.49243784752026]
我々は,その関係に特に焦点をあてて,広く普及しているコモンセンスソースを調査した。我々はこれらの関係を13の知識次元に集約し、それぞれがソースにあるより具体的な関係を抽象化する。
論文参考訳（メタデータ） (2021-01-12T17:52:39Z)

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。