Fugu-MT 論文翻訳(概要): Rethinking Internet Communication Through LLMs: How Close Are We?

論文の概要: Rethinking Internet Communication Through LLMs: How Close Are We?

arxiv url: http://arxiv.org/abs/2309.14247v1
Date: Mon, 25 Sep 2023 16:07:07 GMT
ステータス: 処理完了
システム内更新日: 2023-09-26 14:50:18.816421
Title: Rethinking Internet Communication Through LLMs: How Close Are We?
Title（参考訳）: llmsによるインターネット通信再考:我々はどのくらい近いのか?
Authors: Sifat Ut Taki, Spyridon Mastorakis
Abstract要約: 我々は,ユーザとLLM(Large Language Models)とのコミュニケーションを可能にするアーキテクチャを探索し,コミュニケーションチャネルの反対側のユーザの認識を捉える。このようなLCMベースのコミュニケーションを実現するためのアーキテクチャを提案し、技術的観点から、このようなコミュニケーションアーキテクチャを実現するために、現在どれだけ近いかを評価するために、現実チェックを実施します。
参考スコア（独自算出の注目度）: 2.3931689873603603
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we rethink the way that communication among users over the Internet, one of the fundamental outcomes of the Internet evolution, takes place. Instead of users communicating directly over the Internet, we explore an architecture that enables users to communicate with (query) Large Language Models (LLMs) that capture the cognition of users on the other end of the communication channel. We present an architecture to achieve such LLM-based communication and we perform a reality check to assess how close we are today to realizing such a communication architecture from a technical point of view. Finally, we discuss several research challenges and identify interesting directions for future research.
Abstract（参考訳）: 本稿では,インターネット進化の基本的な成果の一つであるインターネット上のユーザ間のコミュニケーションのあり方を再考する。ユーザがインターネット上で直接通信する代わりに、通信チャネルの反対側のユーザの認識をキャプチャする(クエリ)大規模言語モデル(llm)と通信可能なアーキテクチャを探求する。我々は、そのようなllmベースの通信を実現するためのアーキテクチャを提示し、技術的観点からの通信アーキテクチャの実現に現在どれだけ近づいたかを評価するために現実のチェックを行う。最後に,いくつかの研究課題について論じ,今後の研究の方向性を明らかにする。

関連論文リスト

Large Language Models (LLMs) for Semantic Communication in Edge-based IoT Networks [0.0]
大きな言語モデル(LLM)は、数十億のパラメータを持つ多様なデータセットの広範なトレーニングに基づいて、人間のようなテキストを理解し、生成することができる。 LLMは、IoTネットワークにおける効率的な通信のために、ネットワークエッジでのセマンティック通信の傘の下で使用することができる。
論文参考訳（メタデータ） (2024-07-30T16:57:41Z)
An Efficient Federated Learning Framework for Training Semantic Communication System [29.593406320684448]
ほとんどの意味コミュニケーションシステムは高度なディープラーニングモデルに基づいて構築されている。プライバシーとセキュリティ上の懸念から、データの送信は制限されている。我々は、FedLolと呼ばれるクライアントからグローバルモデルを集約するメカニズムを導入します。
論文参考訳（メタデータ） (2023-10-20T02:45:20Z)
Emergent communication for AR [11.867942569137059]
モバイル拡張現実(MAR)におけるコミュニケーションプロトコルを学習するための創発的意味コミュニケーションフレームワークを提案する。具体的には、修正されたルイス信号ゲームを通して2つのエージェントを訓練し、個別の通信プロトコルを自発的に生成する。実験により、提案手法は従来のMARの物体認識よりも、見えない物体の一般化が優れていることが示された。
論文参考訳（メタデータ） (2023-08-12T16:45:39Z)
Accordion: A Communication-Aware Machine Learning Framework for Next Generation Networks [8.296411540693706]
我々は,アドホック人工知能(AI)/機械学習(ML)モデルの設計を提唱する。本稿では、モデルトレーニングおよび通信プロトコルの見直しにより、効率的なAI/MLモデル転送を可能にする、新しいコミュニケーション対応MLフレームワークを提案する。
論文参考訳（メタデータ） (2023-01-12T10:30:43Z)
The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文参考訳（メタデータ） (2022-12-21T03:37:38Z)
Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
論文参考訳（メタデータ） (2022-11-25T19:03:25Z)
Over-communicate no more: Situated RL agents learn concise communication protocols [78.28898217947467]
互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。強化学習(RL)を用いたコミュニケーションの出現に関する研究エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
論文参考訳（メタデータ） (2022-11-02T21:08:14Z)
Multi-Agent Reinforcement Learning for Traffic Signal Control through Universal Communication Method [13.66480646740006]
交差点間の共通通信形式UniCommを提案する。 UniCommは、あるエージェントで収集された大量の観測結果を、隣人への影響の重大な予測に埋め込む。また,UniCommによる通信をフル活用するための簡潔ネットワークUniLightを提案する。
論文参考訳（メタデータ） (2022-04-26T09:48:28Z)
Model-Based Machine Learning for Communications [110.47840878388453]
モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
論文参考訳（メタデータ） (2021-01-12T19:55:34Z)
Communication-Efficient and Distributed Learning Over Wireless Networks: Principles and Applications [55.65768284748698]
機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
論文参考訳（メタデータ） (2020-08-06T12:37:14Z)
Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-11T07:19:45Z)

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。