論文の概要: InstructPipe: Building Visual Programming Pipelines with Human
Instructions
- arxiv url: http://arxiv.org/abs/2312.09672v1
- Date: Fri, 15 Dec 2023 10:34:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 16:13:13.140942
- Title: InstructPipe: Building Visual Programming Pipelines with Human
Instructions
- Title(参考訳): instructpipe: ヒューマンインストラクションによるビジュアルプログラミングパイプラインの構築
- Authors: Zhongyi Zhou, Jing Jin, Vrushank Phadnis, Xiuxiu Yuan, Jun Jiang, Xun
Qian, Jingtao Zhou, Yiyi Huang, Zheng Xu, Yinda Zhang, Kristen Wright, Jason
Mayes, Mark Sherwood, Johnny Lee, Alex Olwal, David Kim, Ram Iyengar, Na Li,
Ruofei Du
- Abstract要約: InstructPipeは、ユーザーがテキスト命令で機械学習パイプライン(ML)のプロトタイピングを開始することができるAIアシスタントである。
InstructPipeは従来の方法に比べてユーザインタラクションを81.1%削減する。
- 参考スコア(独自算出の注目度): 31.827306976375876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual programming provides beginner-level programmers with a coding-free
experience to build their customized pipelines. Existing systems require users
to build a pipeline entirely from scratch, implying that novice users need to
set up and link appropriate nodes all by themselves, starting from a blank
workspace. We present InstructPipe, an AI assistant that enables users to start
prototyping machine learning (ML) pipelines with text instructions. We designed
two LLM modules and a code interpreter to execute our solution. LLM modules
generate pseudocode of a target pipeline, and the interpreter renders a
pipeline in the node-graph editor for further human-AI collaboration. Technical
evaluations reveal that InstructPipe reduces user interactions by 81.1%
compared to traditional methods. Our user study (N=16) showed that InstructPipe
empowers novice users to streamline their workflow in creating desired ML
pipelines, reduce their learning curve, and spark innovative ideas with
open-ended commands.
- Abstract(参考訳): visual programmingは初心者レベルのプログラマに、カスタマイズされたパイプラインを構築するためのコーディング不要なエクスペリエンスを提供する。
既存のシステムでは、スクラッチから完全にパイプラインを構築する必要があるため、初心者のユーザは、空白のワークスペースから始まる適切なノードを自分でセットアップしてリンクする必要がある。
InstructPipeは、ユーザーがテキスト命令で機械学習パイプライン(ML)のプロトタイピングを開始することができるAIアシスタントである。
2つのLCMモジュールとコードインタプリタを設計してソリューションを実行しました。
LLMモジュールはターゲットパイプラインの擬似コードを生成し、インタプリタはノードグラフエディタにパイプラインを描画して、さらなる人間とAIのコラボレーションを行う。
技術的評価では、instructpipeは従来の方法に比べてユーザインタラクションを81.1%削減している。
私たちのユーザスタディ(N=16)では、InstructPipeによって、望まれるMLパイプラインの作成において、初心者のワークフローを合理化し、学習曲線を減らし、オープンなコマンドで革新的なアイデアを創り出すことができます。
関連論文リスト
- SPROUT: Authoring Programming Tutorials with Interactive Visualization
of Large Language Model Generation Process [19.885485760758783]
大規模言語モデル(LLM)の急速な開発は、プログラミングチュートリアルの作成効率に革命をもたらした。
プログラミングチュートリアル作成タスクを実行可能なステップに分解する,新しいアプローチを導入する。
次に,SPROUTを提案する。SPROUTは,プログラミングチュートリアル作成プロセスのより深い制御と理解を可能にする,インタラクティブな可視化機能を備えたオーサリングツールである。
論文 参考訳(メタデータ) (2023-12-04T10:46:52Z) - DSPy: Compiling Declarative Language Model Calls into Self-Improving
Pipelines [44.772892598128784]
DSPyは、LMパイプラインをテキスト変換グラフとして抽象化するプログラミングモデルである。
コンパイル後数分で数行のDSPyがGPT-3.5とllama2-13b-chatをセルフブートストラップパイプラインに接続できる。
論文 参考訳(メタデータ) (2023-10-05T17:37:25Z) - Learning Vision-and-Language Navigation from YouTube Videos [89.1919348607439]
視覚言語ナビゲーション(VLN)は、自然言語命令を用いて現実的な3D環境をナビゲートするために、具体化されたエージェントを必要とする。
YouTubeには大量のハウスツアービデオがあり、豊富なナビゲーション体験とレイアウト情報を提供している。
住宅ツアービデオから合理的な経路指示ペアとエージェントを事前訓練した大規模データセットを作成する。
論文 参考訳(メタデータ) (2023-07-22T05:26:50Z) - Exploring the Potential of Large Language Models (LLMs) in Learning on
Graphs [59.74814230246034]
大規模言語モデル(LLM)は、広範な共通知識と強力な意味理解能力を持つことが証明されている。
LLMs-as-EnhancersとLLMs-as-Predictorsの2つのパイプラインについて検討する。
論文 参考訳(メタデータ) (2023-07-07T05:31:31Z) - Deep Pipeline Embeddings for AutoML [11.168121941015015]
AutoMLは、最小限の人間の専門知識で機械学習システムを自動デプロイすることで、AIを民主化するための有望な方向である。
既存のパイプライン最適化テクニックでは、パイプラインステージ/コンポーネント間の深いインタラクションを探索できない。
本稿では,機械学習パイプラインのコンポーネント間のディープインタラクションをキャプチャするニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-05-23T12:40:38Z) - Demonstrate-Search-Predict: Composing retrieval and language models for
knowledge-intensive NLP [77.817293104436]
本稿では,LMとRMの間の洗練されたパイプラインにおいて,自然言語テキストを渡すことに依存するフレームワークを提案する。
我々は、オープンドメイン、マルチホップ、会話設定で質問に答えるための新しいDSPプログラムを作成した。
論文 参考訳(メタデータ) (2022-12-28T18:52:44Z) - Plumber: A Modular Framework to Create Information Extraction Pipelines [1.3326219707058071]
PLUMBERは、コミュニティが作成したツールプールからユーザーが手動で自動的に適切なIEパイプラインを作成できる最初のフレームワークである。
このアプローチは、パイプラインを変更し、IEタスクを実行するためのインタラクティブな媒体を提供する。
論文 参考訳(メタデータ) (2022-06-03T08:10:35Z) - OpenPrompt: An Open-source Framework for Prompt-learning [59.17869696803559]
PLM上でのプロンプト学習を行うための統一的な使いやすさツールキットであるOpenPromptを提案する。
OpenPromptは、効率性、モジュール性、拡張性を備えた、リサーチフレンドリーなフレームワークである。
論文 参考訳(メタデータ) (2021-11-03T03:31:14Z) - BERTese: Learning to Speak to BERT [50.76152500085082]
本論文では,より良い知識抽出に向けて直接最適化されたパラフレーズクエリ"BERTese"に自動書き換える手法を提案する。
私たちのアプローチが競合するベースラインを上回ることを実証的に示し、複雑なパイプラインの必要性を回避します。
論文 参考訳(メタデータ) (2021-03-09T10:17:22Z)
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。