論文の概要: Enhancing Emergency Decision-making with Knowledge Graphs and Large
Language Models
- arxiv url: http://arxiv.org/abs/2311.08732v1
- Date: Wed, 15 Nov 2023 06:48:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 16:59:57.052507
- Title: Enhancing Emergency Decision-making with Knowledge Graphs and Large
Language Models
- Title(参考訳): 知識グラフと大規模言語モデルによる緊急意思決定の促進
- Authors: Minze Chen, Zhenxiang Tao, Weitong Tang, Tingxin Qin, Rui Yang, Chunli
Zhu
- Abstract要約: 緊急管理には包括的知識が必要である。
最近の大規模言語モデル(LLM)は、ターゲットマシンインテリジェンスを強化するための新しい方向性を提供する。
E-KELLは9.06、9.09、9.03、9.09のスコアを得ており、緊急の指揮官や消防士のグループから理解度、正確性、簡潔さ、指導力を持っている。
- 参考スコア(独自算出の注目度): 5.599329516940177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emergency management urgently requires comprehensive knowledge while having a
high possibility to go beyond individuals' cognitive scope. Therefore,
artificial intelligence(AI) supported decision-making under that circumstance
is of vital importance. Recent emerging large language models (LLM) provide a
new direction for enhancing targeted machine intelligence. However, the
utilization of LLM directly would inevitably introduce unreliable output for
its inherent issue of hallucination and poor reasoning skills. In this work, we
develop a system called Enhancing Emergency decision-making with Knowledge
Graph and LLM (E-KELL), which provides evidence-based decision-making in
various emergency stages. The study constructs a structured emergency knowledge
graph and guides LLMs to reason over it via a prompt chain. In real-world
evaluations, E-KELL receives scores of 9.06, 9.09, 9.03, and 9.09 in
comprehensibility, accuracy, conciseness, and instructiveness from a group of
emergency commanders and firefighters, demonstrating a significant improvement
across various situations compared to baseline models. This work introduces a
novel approach to providing reliable emergency decision support.
- Abstract(参考訳): 緊急管理は、個人の認知範囲を超える可能性が高く、包括的知識を必要とする。
そのため、その状況下での意思決定を支援する人工知能(AI)が重要である。
最近の大規模言語モデル(LLM)は、ターゲットマシンインテリジェンスを強化するための新しい方向性を提供する。
しかし、LLMの活用は必然的に、幻覚や推論能力の貧弱な問題に対して、信頼できない出力を導入することになる。
本研究では,知識グラフとllm(e-kell)を併用した緊急意思決定システムを開発し,さまざまな緊急時にエビデンスに基づく意思決定を行う。
この研究は、構造化された緊急知識グラフを構築し、即時連鎖を通してLSMを推論するように誘導する。
実世界の評価では、e-kellは9.06, 9.09, 9.03, 9.09のスコアを受け取り、その理解性、正確性、簡潔さ、指示性が緊急の指揮官や消防士のグループから受けられ、ベースラインモデルと比較して様々な状況で著しい改善が見られた。
本研究は、信頼性の高い緊急意思決定支援のための新しいアプローチを導入する。
関連論文リスト
- Attention-Driven Reasoning: Unlocking the Potential of Large Language Models [5.801044612920816]
本稿では,注意機構の最適化を通じて,大規模言語モデルの推論を強化する新しい手法を提案する。
非意味トークンによる注意分布の非効率性を同定し、歪んだ分布を再均衡させるアルゴリズムを提案する。
我々の実験は、特に非STEM質問に対して、推論能力を大幅に改善したことを示した。
論文 参考訳(メタデータ) (2024-03-22T03:23:58Z) - Tuning-Free Accountable Intervention for LLM Deployment -- A
Metacognitive Approach [55.613461060997004]
大規模言語モデル(LLM)は、自然言語処理タスクの幅広い領域にわたる変換的進歩を触媒している。
我々は,自己認識型誤り識別と訂正機能を備えたLLMを実現するために,textbfCLEARと呼ばれる革新的なテキストメタ認知手法を提案する。
論文 参考訳(メタデータ) (2024-03-08T19:18:53Z) - LLM-Assisted Crisis Management: Building Advanced LLM Platforms for Effective Emergency Response and Public Collaboration [0.0]
本稿では,オープンソースのLarge Language Model, LLAMA2を用いて, 緊急時の特定と分類を行う新しい手法を提案する。
目標は、自然言語処理と機械学習の力を活用して、全国の緊急時に公共の安全通信事業者や大群衆を支援することだ。
論文 参考訳(メタデータ) (2024-01-12T17:50:35Z) - A Comprehensive Study of Knowledge Editing for Large Language Models [82.65729336401027]
大規模言語モデル(LLM)は、人間のコミュニケーションを忠実に反映したテキストの理解と生成の素晴らしい能力を示している。
本稿では,知識編集の問題を定義し,最先端アプローチの包括的レビューを行う。
我々は,代表的知識編集アプローチの総合的評価のための新しいベンチマークであるKnowEditを紹介した。
論文 参考訳(メタデータ) (2024-01-02T16:54:58Z) - A Closer Look at the Self-Verification Abilities of Large Language Models in Logical Reasoning [73.77088902676306]
論理的推論の文脈において,大規模言語モデル(LLM)の自己検証能力について詳しく検討する。
本研究の主目的は,既存のLCMが誤った推論手順を正確に識別するのに苦労し,自己検証法の有効性を保証できないことにある。
論文 参考訳(メタデータ) (2023-11-14T07:13:10Z) - LanguageMPC: Large Language Models as Decision Makers for Autonomous
Driving [87.1164964709168]
この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。
大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
論文 参考訳(メタデータ) (2023-10-04T17:59:49Z) - ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based
Healthcare Decision Support using ChatGPT [15.973406739758856]
本研究は,OpenAIのChatGPTを中心に,大規模言語モデル(LLM)を臨床意思決定に適用するための革新的なアプローチを提案する。
提案手法では,タスク記述,特徴記述,ドメイン知識の統合を前提とした文脈的プロンプトの利用を提案する。
論文 参考訳(メタデータ) (2023-08-17T20:50:46Z) - Evaluating the Instruction-Following Robustness of Large Language Models
to Prompt Injection [70.28425745910711]
LLM(Large Language Models)は、命令追従に非常に熟練した言語である。
この能力は、迅速なインジェクション攻撃のリスクをもたらす。
このような攻撃に対する命令追従LDMの堅牢性を評価する。
論文 参考訳(メタデータ) (2023-08-17T06:21:50Z) - On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。
本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
論文 参考訳(メタデータ) (2023-05-23T04:10:26Z) - Intelligent Decision Assistance Versus Automated Decision-Making:
Enhancing Knowledge Work Through Explainable Artificial Intelligence [0.0]
我々は,新たなDSSクラス,すなわち知能決定支援(IDA)を提案する。
IDAは、自動意思決定を通じて知識労働者に影響を与えることなく、知識労働者をサポートする。
具体的には、具体的なAIレコメンデーションを保ちながら、説明可能なAI(XAI)の技術を使用することを提案する。
論文 参考訳(メタデータ) (2021-09-28T15:57:21Z)
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。