論文の概要: Using a Large Language Model to generate a Design Structure Matrix
- arxiv url: http://arxiv.org/abs/2312.04134v1
- Date: Thu, 7 Dec 2023 08:48:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 15:42:28.431815
- Title: Using a Large Language Model to generate a Design Structure Matrix
- Title(参考訳): 大きな言語モデルを使って設計構造行列を生成する
- Authors: Edwin C. Y. Koh
- Abstract要約: デザイン・ストラクチャー・マトリックス(DSM)の生成は伝統的に手動で行われている。
本稿では,DSMの生成と生産性向上のためにLLM(Large Language Model)を用いたワークフローを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Design Structure Matrix (DSM) is an established method used in dependency
modelling, especially in the design of complex engineering systems. The
generation of DSM is traditionally carried out through manual means and can
involve interviewing experts to elicit critical system elements and the
relationships between them. Such manual approaches can be time-consuming and
costly. This paper presents a workflow that uses a Large Language Model (LLM)
to support the generation of DSM and improve productivity. A prototype of the
workflow was developed in this work and applied on a diesel engine DSM
published previously. It was found that the prototype could reproduce 357 out
of 462 DSM entries published (i.e. 77.3%), suggesting that the work can aid DSM
generation. A no-code version of the prototype is made available online to
support future research.
- Abstract(参考訳): 設計構造行列 (dsm) は、特に複雑な工学系の設計において、依存モデリングで使われる確立された手法である。
DSMの生成は伝統的に手動で行われており、重要なシステム要素とそれらの関係を引き出すために、専門家にインタビューすることがある。
このような手動のアプローチは時間とコストがかかります。
本稿では,DSMの生成と生産性向上のためにLLM(Large Language Model)を用いたワークフローを提案する。
この作業でワークフローのプロトタイプを開発し、以前に発表されたディーゼルエンジンDSMに適用した。
プロトタイプは462個のDSMエントリのうち357個(すなわち77.3%)を再現できることが判明し、DSM生成に役立てることが示唆された。
プロトタイプのノーコードバージョンは、将来の研究をサポートするためにオンラインで入手できる。
関連論文リスト
- The Argument for Meta-Modeling-Based Approaches to Hardware Generation Languages [0.46436847220004246]
本稿の目的は,このようなMDAベースのアプローチが,実装の最小限の労力で,非常に強力なジェネレータを提供できることを示すことである。
本稿では,Meta-Modelingアプローチを,最も先進的なハードウェア生成言語に対して詳細に比較する。
論文 参考訳(メタデータ) (2024-04-08T15:20:14Z) - A Review of Modern Recommender Systems Using Generative Models (Gen-RecSys) [57.30228361181045]
我々はジェネレーティブモデル(Gen-RecSys)を用いてレコメンデーションシステムにおける重要な進歩を結びつけることを目指している。
我々の総合的な視点は、Gen-RecSysの影響と害を評価するために必要なパラダイムを強調できる。
論文 参考訳(メタデータ) (2024-03-31T06:57:57Z) - Adapting Large Language Models for Content Moderation: Pitfalls in Data
Engineering and Supervised Fine-tuning [79.53130089003986]
大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。
本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
論文 参考訳(メタデータ) (2023-10-05T09:09:44Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳(メタデータ) (2023-05-31T05:24:48Z) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time
Series [79.64785804590821]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳(メタデータ) (2023-05-19T10:11:21Z) - Multi-Modal Experience Inspired AI Creation [15.780729577587673]
シーケンシャルなマルチモーダル情報に基づいてテキストを生成する方法について検討する。
まず,マルチモーダルアテンションネットワークを備えたマルチチャネルシーケンス・ツー・シーケンスアーキテクチャを設計する。
次に、逐次入力に適したカリキュラム負サンプリング戦略を提案する。
論文 参考訳(メタデータ) (2022-09-02T11:50:41Z) - Twist Decoding: Diverse Generators Guide Each Other [116.20780037268801]
様々なモデルの恩恵を受けながらテキストを生成するシンプルで一般的な推論アルゴリズムであるTwist decodingを導入する。
我々の方法は、語彙、トークン化、あるいは生成順序が共有されていると仮定しない。
論文 参考訳(メタデータ) (2022-05-19T01:27:53Z) - Automated Creation and Human-assisted Curation of Computable Scientific
Models from Code and Text [2.3746609573239756]
ドメインエキスパートは、コードに詳しくなければ、科学的モデルの実装を完全に理解することはできない。
我々は,科学モデルの自動作成と人手によるキュレーションのためのシステムを開発した。
本研究では,NASAのハイパーソニック・エアロダイナミックス(Hypersonic Aerodynamics)のウェブサイトから得られたコードと関連テキストのデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2022-01-28T17:31:38Z) - A Model-Driven Engineering Approach to Machine Learning and Software
Modeling [0.5156484100374059]
モデルは、ソフトウェア工学(SE)と人工知能(AI)のコミュニティで使われている。
主な焦点はIoT(Internet of Things)とCPS(Smart Cyber-Physical Systems)のユースケースである。
論文 参考訳(メタデータ) (2021-07-06T15:50:50Z) - On Adversarial Robustness of Synthetic Code Generation [1.2559148369195197]
本論文は, 逆数例の異なるクラスを通して, 有意なデータセットバイアスの存在を示す。
バイアスを低減し,有効性を示すために,いくつかのデータセット拡張手法を提案する。
論文 参考訳(メタデータ) (2021-06-22T09:37:48Z) - Quantitatively Assessing the Benefits of Model-driven Development in
Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。
その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文 参考訳(メタデータ) (2020-06-15T23:29:04Z)
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。