論文の概要: Weaving Pathways for Justice with GPT: LLM-driven automated drafting of
interactive legal applications
- arxiv url: http://arxiv.org/abs/2312.09198v1
- Date: Thu, 14 Dec 2023 18:20:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 20:40:09.312802
- Title: Weaving Pathways for Justice with GPT: LLM-driven automated drafting of
interactive legal applications
- Title（参考訳）: GPTによる正義の織り方:LLMによる対話型法務アプリケーションの自動起草
- Authors: Quinten Steenhuis, David Colarusso, Bryce Willey
- Abstract要約: 裁判所フォームの完成を自動化するための3つのアプローチについて述べる。
GPT-3を使って質問に反復的に答えるよう促すジェネレーティブAIアプローチ、GPT-4-turboを使って人間のレビュー対象の質問のドラフトを生成する制約付きテンプレート駆動アプローチ、ハイブリッドメソッド。
我々は,制約付き自動起草と人間レビューのハイブリッドモデルが,指導的面接のオーサリングに最も適していると結論付けた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Can generative AI help us speed up the authoring of tools to help
self-represented litigants?
In this paper, we describe 3 approaches to automating the completion of court
forms: a generative AI approach that uses GPT-3 to iteratively prompt the user
to answer questions, a constrained template-driven approach that uses
GPT-4-turbo to generate a draft of questions that are subject to human review,
and a hybrid method. We use the open source Docassemble platform in all 3
experiments, together with a tool created at Suffolk University Law School
called the Assembly Line Weaver. We conclude that the hybrid model of
constrained automated drafting with human review is best suited to the task of
authoring guided interviews.
- Abstract（参考訳）: 生成aiは、自己表現された訴訟人を助けるツールの作成をスピードアップできるだろうか?
本稿では,GPT-3を用いて質問に対して反復的に回答を促す生成的AIアプローチ,GPT-4-turboを用いて人間のレビュー対象の質問のドラフトを生成する制約付きテンプレート駆動アプローチ,ハイブリッド手法の3つのアプローチについて述べる。
3つの実験すべてにオープンソースのdocassembleプラットフォームを使用し、suffolk university law school(suffolk university law school)で assembly line weaver(アセンブリラインウィーバー)というツールを作成しました。
ヒューマンレビューによる制約付き自動ドラフトのハイブリッドモデルは,ガイド付き面接の作成に最も適していると結論づけた。
関連論文リスト
- Towards Automating Text Annotation: A Case Study on Semantic Proximity Annotation using GPT-4 [4.40960504549418]
本稿では、自動プロンプトを設計するための注釈付きデータとともに、人間のアノテーションガイドラインを再利用する。
オープンソースのテキストアノテーションツールにプロンプト戦略を実装し、OpenAI APIによるオンライン利用を容易にします。
論文 参考訳（メタデータ） (2024-07-04T19:16:44Z) - Genetic Auto-prompt Learning for Pre-trained Code Intelligence Language Models [54.58108387797138]
コードインテリジェンスタスクにおける即時学習の有効性について検討する。
既存の自動プロンプト設計手法は、コードインテリジェンスタスクに限られている。
本稿では、精巧な遺伝的アルゴリズムを用いてプロンプトを自動設計する遺伝的オートプロンプト(GenAP)を提案する。
論文 参考訳（メタデータ） (2024-03-20T13:37:00Z) - Can LLMs Generate Human-Like Wayfinding Instructions? Towards Platform-Agnostic Embodied Instruction Synthesis [51.04181562775778]
本稿では,ロボットエージェントの「ウェイフィンディング指示」を自動的に合成する手法を提案する。
提案アルゴリズムは,LLMの条件付けにコンテキスト内学習を用い,わずかな参照を用いて命令を生成する。
我々は,Matterport3D,AI Habitat,ThreeDWorldなど,複数のシミュレーションプラットフォームにアプローチを実装した。
論文 参考訳（メタデータ） (2024-03-18T05:38:07Z) - Evolving machine learning workflows through interactive AutoML [0.36832029288386137]
We present ourmethod, an interactive G3P algorithm that users to prune the search space and focus on their region of interest。
実験の結果,人間の介入を伴わない手法に比べて,チューニング時間が少ない精度で高性能な手法の発見が可能であることが確認された。
論文 参考訳（メタデータ） (2024-02-28T17:34:21Z) - A Search for Prompts: Generating Structured Answers from Contracts [40.99057706243682]
我々は、契約条項に関する質問に対して、1つ(またはそれ以上)の固定された回答を返そうとする法的質問応答の一形態を示す。
我々は,OpenAIのtextitGPT-3.5-Turbo を用いた法的質問応答プロンプトの探索手法について議論し,洞察の要約を提供する。
論文 参考訳（メタデータ） (2023-10-16T07:29:38Z) - Automating Human Tutor-Style Programming Feedback: Leveraging GPT-4 Tutor Model for Hint Generation and GPT-3.5 Student Model for Hint Validation [25.317788211120362]
本稿では,人間の教師型プログラミングヒントの提供における生成型AIモデルの役割について検討する。
最近の研究は、様々なフィードバック生成シナリオのための最先端モデルのベンチマークを行っている。
我々はGPT4Hints-GPT3.5Valという新しい手法を開発し、生成AIモデルの限界を推し進める。
論文 参考訳（メタデータ） (2023-10-05T17:02:59Z) - ExpertPrompting: Instructing Large Language Models to be Distinguished
Experts [93.58012324415762]
ExpertPromptingは、著名な専門家として答えるために、大きな言語モデルの可能性を秘めている。
我々はGPT-3.5を使って新しい命令追跡データを作成し、ExpertLLaMAと呼ばれる競合するオープンソースのチャットアシスタントを訓練する。
論文 参考訳（メタデータ） (2023-05-24T03:51:31Z) - AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。
本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。
このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文 参考訳（メタデータ） (2023-05-04T02:09:43Z) - Elaboration-Generating Commonsense Question Answering at Scale [77.96137534751445]
一般的な感覚を必要とする質問応答では、言語モデル(例えばGPT-3)が背景知識を表すテキストを生成するために使われてきた。
より小さな言語モデルを微調整して有用な中間コンテキストを生成します。
私たちのフレームワークは、2つの言語モデルの更新 – 開発中のジェネレータと応答予測器 – を交互に行います。
論文 参考訳（メタデータ） (2022-09-02T18:32:09Z) - CoAuthor: Designing a Human-AI Collaborative Writing Dataset for
Exploring Language Model Capabilities [92.79451009324268]
我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。
我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。
インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
論文 参考訳（メタデータ） (2022-01-18T07:51:57Z)
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。