論文の概要: Future-proofing geotechnics workflows: accelerating problem-solving with
large language models
- arxiv url: http://arxiv.org/abs/2312.12411v1
- Date: Thu, 14 Dec 2023 05:17:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-31 03:45:35.988766
- Title: Future-proofing geotechnics workflows: accelerating problem-solving with
large language models
- Title（参考訳）: 将来のジオテクニクスワークフロー:大規模言語モデルによる問題解決の加速
- Authors: Stephen Wu, Yu Otake, Daijiro Mizutani, Chang Liu, Kotaro Asano, Nana
Sato, Hidetoshi Baba, Yusuke Fukunaga, Yosuke Higo, Akiyoshi Kamura,
Shinnosuke Kodama, Masataka Metoki, Tomoka Nakamura, Yuto Nakazato, Taiga
Saito, Akihiro Shioi, Masahiro Takenobu, Keigo Tsukioka, and Ryo Yoshikawa
- Abstract要約: 本稿は,東京で開催されているハンズオンワークショップにおいて,大規模言語モデルの地工学への応用を探求するものである。
本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎データ解析から複雑な問題解決まで,様々なタスクの処理能力を強調した。
- 参考スコア（独自算出の注目度）: 2.8414492326907577
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The integration of Large Language Models (LLMs) like ChatGPT into the
workflows of geotechnical engineering has a high potential to transform how the
discipline approaches problem-solving and decision-making. This paper delves
into the innovative application of LLMs in geotechnical engineering, as
explored in a hands-on workshop held in Tokyo, Japan. The event brought
together a diverse group of 20 participants, including students, researchers,
and professionals from academia, industry, and government sectors, to
investigate practical uses of LLMs in addressing specific geotechnical
challenges. The workshop facilitated the creation of solutions for four
different practical geotechnical problems as illustrative examples, culminating
in the development of an academic paper. The paper discusses the potential of
LLMs to transform geotechnical engineering practices, highlighting their
proficiency in handling a range of tasks from basic data analysis to complex,
multimodal problem-solving. It also addresses the challenges in implementing
LLMs, particularly in achieving high precision and accuracy in specialized
tasks, and underscores the need for expert oversight. The findings demonstrate
LLMs' effectiveness in enhancing efficiency, data processing, and
decision-making in geotechnical engineering, suggesting a paradigm shift
towards more integrated, data-driven approaches in this field. This study not
only showcases the potential of LLMs in a specific engineering domain, but also
sets a precedent for their broader application in interdisciplinary research
and practice, where the synergy of human expertise and artificial intelligence
redefines the boundaries of problem-solving.
- Abstract（参考訳）: ChatGPTのような大規模言語モデル(LLM)をジオエンジニアリングのワークフローに統合することは、規律が問題解決と意思決定にどのようにアプローチするかを変革する大きな可能性を秘めている。
本稿は,東京で開催されたハンズオンワークショップにおいて,LLMの地球工学への革新的応用について考察する。
このイベントは、学術、産業、政府セクターの学生、研究者、専門家を含む20人の多様な参加者を集めて、特定の地球工学的課題に対処するためのLLMの実践的利用を調査した。
このワークショップは、4つの異なる実用的地球工学問題の解の作成を図示的な例として促進し、学術論文の開発に結実した。
本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎的なデータ解析から複雑でマルチモーダルな問題解決まで幅広いタスクを扱う能力を強調した。
また、LSMの実装における課題、特に専門的なタスクにおける高精度で正確性を実現し、専門家の監視の必要性を浮き彫りにしている。
この結果から,LLMが地球工学における効率性,データ処理,意思決定に有効であることが示唆され,この分野におけるより統合されたデータ駆動アプローチへのパラダイムシフトが示唆された。
この研究は、特定の工学領域におけるLLMの可能性を示すだけでなく、人間の専門知識と人工知能のシナジーが問題解決の境界を再定義する学際的な研究や実践において、より広範な応用の先例となる。
関連論文リスト
- Meta Reasoning for Large Language Models [58.87183757029041]
大規模言語モデル(LLM)の新規かつ効率的なシステムプロセッシング手法であるメタ推論プロンプト(MRP)を導入する。
MRPは、各タスクの特定の要求に基づいて異なる推論メソッドを動的に選択し、適用するようLLMに誘導する。
総合的なベンチマークによりMPPの有効性を評価する。
論文 参考訳（メタデータ） (2024-06-17T16:14:11Z) - Apprentices to Research Assistants: Advancing Research with Large Language Models [0.0]
大規模言語モデル(LLM)は、様々な研究領域において強力なツールとして登場した。
本稿では,文献レビューと手動実験を通じてその可能性について考察する。
論文 参考訳（メタデータ） (2024-04-09T15:53:06Z) - Building Guardrails for Large Language Models [19.96292920696796]
LLMの入力や出力をフィルタリングするガードレールは、コアセーフガード技術として登場した。
このポジションペーパーでは、現在のオープンソースソリューション(Llama Guard, Nvidia NeMo, Guardrails AI)を詳しく調べ、より完全なソリューションを構築するための課題と道筋について論じる。
論文 参考訳（メタデータ） (2024-02-02T16:35:00Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳（メタデータ） (2023-12-01T16:00:25Z) - Large Language Models for Software Engineering: Survey and Open Problems [35.29302720251483]
本稿では,ソフトウェア工学(SE)におけるLarge Language Models(LLMs)の新しい領域について調査する。
本調査では,ハイブリッド技術(従来のSE+LLM)が,信頼性,効率,効率のよいLLMベースのSEの開発と展開において果たすべき重要な役割を明らかにした。
論文 参考訳（メタデータ） (2023-10-05T13:33:26Z) - SciBench: Evaluating College-Level Scientific Problem-Solving Abilities of Large Language Models [70.5763210869525]
拡張ベンチマークスイートSciBench for Large Language Model (LLM)を導入する。
SciBenchには、数学、化学、物理学の分野から、さまざまな大学レベルの科学的問題を含むデータセットが含まれている。
その結果、現在のLLMは満足のいく性能を達成できないことが判明し、全体のスコアは43.22%に過ぎなかった。
論文 参考訳（メタデータ） (2023-07-20T07:01:57Z) - Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。
広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。
しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
論文 参考訳（メタデータ） (2023-05-30T03:00:30Z) - Editing Large Language Models: Problems, Methods, and Opportunities [51.903537096207]
本稿では, LLMのモデル編集に関わる問題, 方法, 機会を深く探究する。
本稿では,モデル編集に関わるタスク定義と課題の概観と,現在処理中の最も進歩的な手法の詳細な実証分析について述べる。
本研究の目的は,各編集手法の有効性と実現可能性に関する貴重な知見を提供することであり,特定のタスクやコンテキストに対して,最も適切な方法の選択に関する情報決定を行う上で,コミュニティを支援することである。
論文 参考訳（メタデータ） (2023-05-22T16:00:00Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。