論文の概要: Design and Architecture for a Centralized, Extensible, and Configurable
Scoring Application
- arxiv url: http://arxiv.org/abs/2312.06700v1
- Date: Sun, 10 Dec 2023 02:31:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 18:43:45.350438
- Title: Design and Architecture for a Centralized, Extensible, and Configurable
Scoring Application
- Title（参考訳）: 集中型、拡張性、構成可能なスコアリングアプリケーションの設計とアーキテクチャ
- Authors: Sumit Sanwal
- Abstract要約: 現在の組織では、アプリケーションワークフローの次のステップを決定するために、多くのソフトウェアアプリケーションが重要な入力を必要としています。
本稿では、汎用最適化されたスコアリングエンジンの構想と設計方法について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In modern-day organizations, many software applications require critical
input to decide the next steps in the application workflow and approval. One of
the most important inputs to decide the subsequent course of action is the key
performance indicator-based scoring for the entities used in the application.
Computing the right score for the entities in the application is a critical
step that will drive the subsequent processing and help to decide the next
course of action for the entity accurately. Computing the right score is a
critical parameter for application processing; deriving the precise and correct
score is crucial and pivotal for the application's intended objective; this
mandates a very efficient and optimized scoring application in place and is of
paramount importance for the success of such applications. We will discuss in
this article how to envision and design a generic, extensible scoring engine
and a few use cases for scoring with the associated intricacies and
complexities to implement the scoring framework.
- Abstract（参考訳）: 現代の組織では、多くのソフトウェアアプリケーションがアプリケーションのワークフローと承認の次のステップを決定するために重要なインプットを必要とする。
アクションの手順を決定する上で最も重要な入力の1つは、アプリケーションで使用されるエンティティのキーパフォーマンスインジケータベースのスコアである。
アプリケーション内のエンティティの正しいスコアを計算することは、その後の処理を駆動し、エンティティの次のアクションの手順を正確に決定するのに役立つ重要なステップです。
適切なスコアを計算することは、アプリケーション処理にとって重要なパラメータであり、正確なスコアと正しいスコアを導出することは、アプリケーションの意図した目的にとって重要であり、重要である。
この記事では、汎用的な拡張可能なスコアリングエンジンの構想と設計、およびスコアリングフレームワークを実装するための関連する複雑さや複雑さとスコアリングするためのいくつかのユースケースについて論じる。
関連論文リスト
- Score Design for Multi-Criteria Incentivization [24.140631944678336]
パフォーマンス指標を要約するスコアを設計するためのフレームワークを提案する。
目的を満足しながら、スコアの寸法を最小化するために設計を定式化します。
この枠組みは病院評価システムにおける現実の実践からモチベーションを引き出すもので、誤ったスコアとパフォーマンス指標が意図しない結果をもたらす。
論文 参考訳（メタデータ） (2024-10-08T18:47:08Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳（メタデータ） (2024-07-03T03:29:23Z) - Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。
本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。
また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文 参考訳（メタデータ） (2024-05-17T07:23:27Z) - Assessing and Verifying Task Utility in LLM-Powered Applications [28.41607905656699]
大規模言語モデル(LLM)は、エージェント間のコラボレーションを促進し、人間の日常的なタスクを支援するアプリケーションの増加につながっている。
このことは、特にアプリケーションの機能とエンドユーザのニーズの整合性を確保することによって、LLMベースのアプリケーションのユーティリティを検証する必要性を強調している。
AgentEvalは,アプリケーション固有の目的に合わせた一連の基準を自動提案することで,ユーティリティ検証プロセスを簡素化する新しいフレームワークである。
論文 参考訳（メタデータ） (2024-05-03T15:26:27Z) - Towards better Human-Agent Alignment: Assessing Task Utility in
LLM-Powered Applications [37.047117782796064]
AgentEvalはユーティリティ検証プロセスをシンプルにするために設計されたフレームワークである。
本稿では,量子化器の研究の堅牢性について包括的に分析する。
論文 参考訳（メタデータ） (2024-02-14T08:46:15Z) - Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log [3.750389260169302]
本稿では,アプリ更新ログとユーザレビューに存在する時間的相関認識に基づく定量的分析手法を提案する。
このスキームの主な考え方は、有効なユーザレビューをユーザ要件として、アプリの更新ログを開発者対応として検討することだ。
これらのアプリの機能のうち16.6%-43.2%は、オンラインの人気ユーザー要求の推進と関係があることが判明した。
論文 参考訳（メタデータ） (2023-11-26T03:52:45Z) - ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。
これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。
本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
論文 参考訳（メタデータ） (2022-12-15T15:52:39Z) - Exploring validation metrics for offline model-based optimisation with
diffusion models [50.404829846182764]
モデルベース最適化(MBO)では、マシンラーニングを使用して、(基底真理)オラクルと呼ばれるブラックボックス関数に対する報酬の尺度を最大化する候補を設計することに興味があります。
モデル検証中に基底オラクルに対する近似をトレーニングし、その代わりに使用することができるが、その評価は近似的であり、敵の例に対して脆弱である。
本手法は,外挿量を測定するために提案した評価フレームワークにカプセル化されている。
論文 参考訳（メタデータ） (2022-11-19T16:57:37Z) - Goal Recognition as a Deep Learning Task: the GRNet Approach [0.0]
自動計画において、観察の痕跡からエージェントのゴールを認識することは、多くのアプリケーションにとって重要な課題である。
本稿では,機械学習によって対処される分類課題としてゴール認識を定式化する手法について検討する。
GRNetと呼ばれる私たちのアプローチは、主に、特定のドメインでそれを解決する方法を学ぶことによって、ゴール認識をより正確かつ高速にすることを目的としています。
論文 参考訳（メタデータ） (2022-10-05T16:42:48Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳（メタデータ） (2022-07-14T17:46:37Z) - Rethinking Counting and Localization in Crowds:A Purely Point-Based
Framework [59.578339075658995]
そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。
我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
論文 参考訳（メタデータ） (2021-07-27T11:41:50Z)
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。