論文の概要: ReadProbe: A Demo of Retrieval-Enhanced Large Language Models to Support
Lateral Reading
- arxiv url: http://arxiv.org/abs/2306.07875v1
- Date: Tue, 13 Jun 2023 16:10:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-14 13:04:22.247291
- Title: ReadProbe: A Demo of Retrieval-Enhanced Large Language Models to Support
Lateral Reading
- Title(参考訳): ReadProbe: 横読み込みをサポートする検索拡張大型言語モデルのデモ
- Authors: Dake Zhang and Ronak Pradeep
- Abstract要約: 本稿では,OpenAI と Bing 検索エンジンから生成した大規模言語モデルを活用した,横方向読み出し支援ツール ReadProbe を提案する。
我々のツールは、横書きの読み書きに有用な質問を生成し、関連文書にウェブを精査し、オンライン情報のより良い評価を支援するために、優れた回答を生成することができる。
- 参考スコア(独自算出の注目度): 4.966814561577441
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid growth and spread of online misinformation, people need tools
to help them evaluate the credibility and accuracy of online information.
Lateral reading, a strategy that involves cross-referencing information with
multiple sources, may be an effective approach to achieving this goal. In this
paper, we present ReadProbe, a tool to support lateral reading, powered by
generative large language models from OpenAI and the Bing search engine. Our
tool is able to generate useful questions for lateral reading, scour the web
for relevant documents, and generate well-attributed answers to help people
better evaluate online information. We made a web-based application to
demonstrate how ReadProbe can help reduce the risk of being misled by false
information. The code is available at
https://github.com/DakeZhang1998/ReadProbe. An earlier version of our tool won
the first prize in a national AI misinformation hackathon.
- Abstract(参考訳): オンライン誤情報の増加と普及に伴い、オンライン情報の信頼性と正確性を評価するツールが求められている。
複数のソースと情報を相互参照する戦略である横読みは、この目標を達成するための効果的なアプローチである。
本稿では,OpenAI と Bing 検索エンジンから生成した大規模言語モデルを活用した,横方向読み出し支援ツール ReadProbe を提案する。
このツールは、横読みのための有用な質問を生成し、関連するドキュメントをウェブで検索し、適切な回答を生成し、オンライン情報を評価するのに役立ちます。
ReadProbeが偽情報による誤認のリスクを軽減するために、Webベースのアプリケーションを作成しました。
コードはhttps://github.com/dakezhang1998/readprobeで入手できる。
私たちのツールの初期のバージョンは、national ai misinformation hackathonで1位を獲得しました。
関連論文リスト
- Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。
自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。
本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文 参考訳(メタデータ) (2023-07-05T20:16:20Z) - GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training
Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。
Jupyter NotebookベースのウォークスルーがGitHubで公開されている。
GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文 参考訳(メタデータ) (2023-06-02T12:09:59Z) - LLMDet: A Third Party Large Language Models Generated Text Detection
Tool [119.0952092533317]
大規模言語モデル(LLM)は、高品質な人間によるテキストに非常に近い。
既存の検出ツールは、機械が生成したテキストと人間によるテキストしか区別できない。
本稿では,モデル固有,セキュア,効率的,拡張可能な検出ツールであるLLMDetを提案する。
論文 参考訳(メタデータ) (2023-05-24T10:45:16Z) - Enabling Large Language Models to Generate Text with Citations [37.64884969997378]
大規模言語モデル (LLM) は情報検索のツールとして広く使われている。
我々の目的は、LLMが引用文を生成できるようにし、その事実の正しさと妥当性を向上させることである。
自動LLMのCitation Evaluationのための最初のベンチマークであるALCEを提案する。
論文 参考訳(メタデータ) (2023-05-24T01:53:49Z) - The Web Can Be Your Oyster for Improving Large Language Models [98.72358969495835]
大規模言語モデル(LLM)は、大量の世界の知識を符号化する。
我々はLLMを検索エンジンを用いて大規模ウェブで拡張することを検討する。
ウェブ上に拡張されたLLM UNIWEBを提案する。これは16の知識集約的なタスクに対して、統一されたテキスト・テキスト・フォーマットで訓練される。
論文 参考訳(メタデータ) (2023-05-18T14:20:32Z) - ProVe: A Pipeline for Automated Provenance Verification of Knowledge
Graphs against Textual Sources [5.161088104035106]
ProVeはパイプライン化されたアプローチで、Knowledge Graphのトリプルが、文書化された成果から抽出されたテキストによってサポートされているかどうかを自動的に検証する。
ProVeはWikidataデータセットで評価され、期待できる結果が全体として達成され、証明からサポートを検出するバイナリ分類タスクにおいて優れた性能を発揮する。
論文 参考訳(メタデータ) (2022-10-26T16:47:36Z) - A Transfer Learning Pipeline for Educational Resource Discovery with
Application in Leading Paragraph Generation [71.92338855383238]
本稿では,新しいドメインに対するWebリソース発見を自動化するパイプラインを提案する。
パイプラインは2つの類似しているが新規なターゲットドメインで評価すると、F1スコアは0.94と0.82となる。
本研究は,サーベイジェネレーションのための各種Webリソースを考察した最初の研究である。
論文 参考訳(メタデータ) (2022-01-07T03:35:40Z) - Fake News Detection: Experiments and Approaches beyond Linguistic
Features [0.0]
ニュース記事に関連付けられた信頼性情報とメタデータは、結果の改善に利用されてきた。
実験はまた、モデリングの正当性や証拠が、どのようにしてより良い結果をもたらすかを示す。
論文 参考訳(メタデータ) (2021-09-27T10:00:44Z) - How to Train Your Agent to Read and Write [52.24605794920856]
研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。
読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。
本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
論文 参考訳(メタデータ) (2021-01-04T12:22:04Z) - A survey on natural language processing (nlp) and applications in
insurance [4.040320146147257]
本稿では,NLP(Natural Language Processing)が保険を提供する機会を説明する。
現在使われている様々な方法の詳細は、その物語にさかのぼる。
また,オープンソースライブラリとpythonコードを用いた特定のメソッドの実装についても解説する。
論文 参考訳(メタデータ) (2020-10-01T14:56:18Z) - Open Source Software for Efficient and Transparent Reviews [0.11179881480027788]
ASReviewはオープンソースの機械学習支援パイプラインで、アクティブラーニングを適用している。
シミュレーションにより,ASReviewは手作業によるレビューよりもはるかに効率的なレビューを実現することができることを示す。
論文 参考訳(メタデータ) (2020-06-22T11:57:10Z)
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。