論文の概要: A Unified Industrial Large Knowledge Model Framework in Smart
Manufacturing
- arxiv url: http://arxiv.org/abs/2312.14428v1
- Date: Fri, 22 Dec 2023 04:30:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 16:00:24.591781
- Title: A Unified Industrial Large Knowledge Model Framework in Smart
Manufacturing
- Title(参考訳): スマートマニュファクチャリングにおける一元的産業大知識モデルフレームワーク
- Authors: Jay Lee, Hanqi Su
- Abstract要約: 近年の大規模言語モデル(LLM)の出現は、人工知能の可能性を示している。
本稿では,スマートマニュファクチャリングにおける産業革命の可能性を強調したILKM(Industrial Large Knowledge Model)フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.38850145898707145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent emergence of large language models (LLMs) shows the potential for
artificial general intelligence, revealing new opportunities in industry 4.0
and smart manufacturing. However, a notable gap exists in applying these LLMs
in industry, primarily due to their training on general knowledge rather than
domain-specific knowledge. Such specialized domain knowledge is vital for
effectively addressing the complex needs of industrial applications. To bridge
this gap, this paper proposes an Industrial Large Knowledge Model (ILKM)
framework emphasizing their potential to revolutionize the industry in smart
manufacturing. In addition, ILKMs and LLMs are compared from eight
perspectives. Finally, "6S Principle" is proposed as the guideline for the
development of ILKMs in smart manufacturing.
- Abstract(参考訳): 近年の大規模言語モデル(LLM)の出現は、人工知能の可能性を示し、業界 4.0 とスマート製造の新しい機会を明らかにしている。
しかし、これらのLSMを産業に適用する際、主にドメイン固有の知識ではなく、一般的な知識に関するトレーニングのために顕著なギャップが存在する。
このような専門的なドメイン知識は、産業アプリケーションの複雑なニーズに効果的に対処するために不可欠である。
このギャップを埋めるために,スマートマニュファクチャリングにおける産業に革命をもたらす可能性を強調する産業大知識モデル(ILKM)フレームワークを提案する。
さらに、ILKMとLLMは8つの視点から比較される。
最後に、スマート製造におけるilkms開発指針として「6s原則」を提案する。
関連論文リスト
- LLMs with Industrial Lens: Deciphering the Challenges and Prospects -- A
Survey [8.149749907267054]
大規模言語モデル(LLM)は、多くの産業用途を駆動する秘密の要素となっている。
本稿では,産業環境におけるLCMの活用にともなう障害と機会を解明し,評価する。
論文 参考訳(メタデータ) (2024-02-22T13:52:02Z) - An Empirical Study on Large Language Models in Accuracy and Robustness
under Chinese Industrial Scenarios [14.335979063157522]
大規模言語モデル(LLM)の将来の重要な応用の1つは、工業生産における実践的な展開である。
中国工業生産地域におけるLCMの精度とロバスト性に関する総合的な実証的研究を行った。
論文 参考訳(メタデータ) (2024-01-27T03:37:55Z) - Empowering ChatGPT-Like Large-Scale Language Models with Local Knowledge
Base for Industrial Prognostics and Health Management [12.42707487733847]
ChatGPTのような大規模言語モデル(LLM)は、AI分野における新たなイノベーションのラウンドをリードし始めている。
ChatGPTのようなLLMには豊富な知識と強力な言語理解と生成能力があるが、ドメイン固有の専門知識は欠如している。
本研究は,産業用PHMにおける局所知識ベース(LKB)によって付与されるChatGPT-like LLMを用いて,上記の制限を解決することを目的とする。
論文 参考訳(メタデータ) (2023-12-06T15:24:01Z) - Knowledge Plugins: Enhancing Large Language Models for Domain-Specific
Recommendations [50.81844184210381]
本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。
このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
論文 参考訳(メタデータ) (2023-11-16T07:09:38Z) - Knowledge Editing for Large Language Models: A Survey [51.01368551235289]
大規模言語モデル(LLM)の大きな欠点の1つは、事前学習に要する計算コストである。
知識に基づくモデル編集(KME)が注目を集めており、特定の知識を組み込むためにLLMを正確に修正することを目的としている。
論文 参考訳(メタデータ) (2023-10-24T22:18:13Z) - ALCUNA: Large Language Models Meet New Knowledge [48.30457202012987]
本稿では,既存のエンティティ属性と関係を変化させることで,新たな知識を生み出すアプローチを提案する。
KnowGenでは、知識理解、分化、関連性におけるLLMの能力を評価するために、ALCUNAというベンチマークを導入する。
また、エンティティの類似性がモデルにおけるエンティティ知識の理解とコンテキストエンティティの影響に与える影響についても検討する。
論文 参考訳(メタデータ) (2023-10-23T11:40:05Z) - LUNA: A Model-Based Universal Analysis Framework for Large Language
Models [19.987824870961926]
自己保持機構, 極めて大規模なモデルスケール, 自己回帰生成スキーマは, 品質解析における新たな課題を提示する。
汎用かつ解釈可能なLLMの普遍的解析フレームワークを提案する。
特に、私たちはまず、望ましい信頼性の観点からのデータを活用して抽象モデルを構築します。
論文 参考訳(メタデータ) (2023-10-22T07:26:21Z) - A Comprehensive Overview of Large Language Models [68.22178313875618]
大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。
本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
論文 参考訳(メタデータ) (2023-07-12T20:01:52Z) - Exploiting Expert Knowledge for Assigning Firms to Industries: A Novel
Deep Learning Method [1.0172446741838912]
3種類の専門知識は、定義に基づく知識、構造に基づく知識、割り当てに基づく知識という、効果的な産業割り当てに不可欠である。
本稿では,産業課題のための3種類の知識をシームレスに統合する,新しい深層学習手法を提案する。
我々の手法は、動的産業表現と階層的割り当ての2つの革新を特徴としている。
論文 参考訳(メタデータ) (2022-09-11T20:44:48Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳(メタデータ) (2021-05-31T01:02:59Z) - Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。
Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文 参考訳(メタデータ) (2020-10-30T20:33:05Z)
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。