論文の概要: AviationGPT: A Large Language Model for the Aviation Domain

• arxiv url: http://arxiv.org/abs/2311.17686v1
• Date: Wed, 29 Nov 2023 14:49:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 20:54:44.525404
• Title: AviationGPT: A Large Language Model for the Aviation Domain
• Title（参考訳）: AviationGPT: 航空ドメインのための大規模言語モデル
• Authors: Liya Wang, Jason Chou, Xin Zhou, Alex Tien, Diane M Baumgartner
• Abstract要約: AviationGPTはオープンソースのLLaMA-2とMistralアーキテクチャ上に構築されており、慎重にキュレートされた多くの航空データセットで継続的に訓練されている。 さまざまな自然言語処理(NLP)問題に対処する汎用性など、ユーザにはさまざまなメリットがある。 また、航空領域内で正確かつ文脈的に関連する応答も提供する。
• 参考スコア（独自算出の注目度）: 4.010674039471089
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The advent of ChatGPT and GPT-4 has captivated the world with large language models (LLMs), demonstrating exceptional performance in question-answering, summarization, and content generation. The aviation industry is characterized by an abundance of complex, unstructured text data, replete with technical jargon and specialized terminology. Moreover, labeled data for model building are scarce in this domain, resulting in low usage of aviation text data. The emergence of LLMs presents an opportunity to transform this situation, but there is a lack of LLMs specifically designed for the aviation domain. To address this gap, we propose AviationGPT, which is built on open-source LLaMA-2 and Mistral architectures and continuously trained on a wealth of carefully curated aviation datasets. Experimental results reveal that AviationGPT offers users multiple advantages, including the versatility to tackle diverse natural language processing (NLP) problems (e.g., question-answering, summarization, document writing, information extraction, report querying, data cleaning, and interactive data exploration). It also provides accurate and contextually relevant responses within the aviation domain and significantly improves performance (e.g., over a 40% performance gain in tested cases). With AviationGPT, the aviation industry is better equipped to address more complex research problems and enhance the efficiency and safety of National Airspace System (NAS) operations.
• Abstract（参考訳）: ChatGPT と GPT-4 の出現により、大きな言語モデル (LLM) が世界に浸透し、質問応答、要約、コンテンツ生成において例外的な性能を示した。 航空産業は複雑で、構造化されていないテキストデータが多く、専門用語や専門用語で溢れている。 さらに、この領域ではモデル構築のためのラベル付きデータが少ないため、航空用テキストデータの利用が低くなる。 LLMの出現は、この状況を変える機会を与えるが、航空分野向けに特別に設計されたLLMが不足している。 このギャップに対処するために,我々は,オープンソースのllama-2とmistralアーキテクチャに基づいて構築され,精巧に収集された航空データセットに基づいて継続的にトレーニングされるaviationgptを提案する。 実験結果によると、AviationGPTは、様々な自然言語処理(NLP)問題(質問回答、要約、文書作成、情報抽出、レポートクエリ、データクリーニング、インタラクティブデータ探索など)に対処する汎用性を含む、複数の利点を提供している。 また、航空分野における正確かつ文脈的に関連する応答を提供し、性能を大幅に向上させる(例えば、テストケースで40%以上のパフォーマンス向上)。 AviationGPTにより、航空産業はより複雑な研究問題に対処し、国立航空宇宙システム(NAS)の効率性と安全性を高めることができる。

関連論文リスト

• BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages [93.92804151830744]
  BRIGHTERは28の言語で感情アノテートされたデータセットの集合である。 データ収集とアノテーションプロセスとこれらのデータセット構築の課題について説明する。 BRIGHTERデータセットは、テキストベースの感情認識のギャップを埋めるためのステップであることを示す。
  論文  参考訳（メタデータ） (2025-02-17T15:39:50Z)
• LLM Evaluation Based on Aerospace Manufacturing Expertise: Automated Generation and Multi-Model Question Answering [5.426193610598865]
  本稿では,航空宇宙製造におけるLarge Language Models (LLMs) に適した評価指標について紹介する。 重要な情報は、古典的な航空宇宙製造教科書やガイドラインの詳細なテキスト解析によって抽出される。 難易度の異なる複数の正解を巧みに構成する。 これらの質問に答えるために異なるLCMモデルが使用され、その精度が記録される。
  論文  参考訳（メタデータ） (2025-01-25T12:26:44Z)
• Towards Human-Guided, Data-Centric LLM Co-Pilots [53.35493881390917]
  CliMB-DCは、機械学習コパイロットのための、ヒューマンガイド付き、データ中心のフレームワークである。 高度なデータ中心ツールとLLM駆動推論を組み合わせることで、堅牢でコンテキスト対応のデータ処理を可能にする。 CliMB-DCが未処理のデータセットをML対応フォーマットに変換する方法を示す。
  論文  参考訳（メタデータ） (2025-01-17T17:51:22Z)
• Applications of natural language processing in aviation safety: A review and qualitative analysis [0.0]
  本研究では,航空安全における自然言語処理の活用について検討する。 安全対策を強化するための機械学習アルゴリズムに焦点を当てている。 現在、キーワード検索自然言語処理と航空安全による34のScoopus結果がある。
  論文  参考訳（メタデータ） (2025-01-03T07:36:10Z)
• Aerial Vision-and-Language Navigation via Semantic-Topo-Metric Representation Guided LLM Reasoning [48.33405770713208]
  本稿では,大規模言語モデル(LLM)をアクション予測のエージェントとして導入する,航空VLNタスクのエンドツーエンドフレームワークを提案する。 我々は, LLMの空間的推論能力を高めるために, セマンティック・トポ・メトリック表現(STMR)を開発した。 実環境およびシミュレーション環境で行った実験は,本手法の有効性とロバスト性を実証した。
  論文  参考訳（メタデータ） (2024-10-11T03:54:48Z)
• DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
  現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。 このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。 現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
  論文  参考訳（メタデータ） (2024-09-12T02:08:00Z)
• An Exploratory Assessment of LLM's Potential Toward Flight Trajectory Reconstruction Analysis [3.3903227320938436]
  本研究は,ADS-B(Automatic Dependent Surveillance-Broadcast)データを用いた飛行経路の再構築に焦点を当てた。 この結果から, 線形および曲線の飛行軌跡のフィルタリングおよび推定におけるモデルの有効性が示唆された。 研究の洞察は、飛行軌道再構築におけるLCMの約束と、航空・輸送分野にまたがる幅広い応用のための新たな道を開くことを明確にしている。
  論文  参考訳（メタデータ） (2024-01-11T17:59:18Z)
• KITLM: Domain-Specific Knowledge InTegration into Language Models for Question Answering [30.129418454426844]
  大規模言語モデル(LLM)は、幅広い自然言語処理において顕著な性能を示した。 関連情報注入による言語モデルへの知識ベース統合手法であるKITLMを提案する。 提案手法は,GPT-3.5-turbo と最先端知識注入法 SKILL を併用し,MetaQA 上での精度の1.5倍の精度向上を実現している。
  論文  参考訳（メタデータ） (2023-08-07T14:42:49Z)
• Adapting Sentence Transformers for the Aviation Domain [0.8437187555622164]
  本稿では,航空分野における文変換器の適応手法を提案する。 本手法は,事前学習と微調整を併用した2段階のプロセスである。 本研究は,航空などの専門産業における高品質なNLPソリューション開発におけるドメイン固有適応の重要性を強調した。
  論文  参考訳（メタデータ） (2023-05-16T15:53:24Z)
• Improving aircraft performance using machine learning: a review [57.82442188072833]
  本稿では,航空宇宙工学の多分野に影響を及ぼす機械学習(ML)の新たな展開について概説する。 我々は、さまざまな航空宇宙分野にまたがるML手法の利点と課題を整理し、技術の現状を概観する。
  論文  参考訳（メタデータ） (2022-10-20T07:16:53Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)

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。