論文の概要: From PARIS to LE-PARIS: Toward Patent Response Automation with
Recommender Systems and Collaborative Large Language Models
- arxiv url: http://arxiv.org/abs/2402.00421v2
- Date: Tue, 5 Mar 2024 03:45:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 00:39:37.769318
- Title: From PARIS to LE-PARIS: Toward Patent Response Automation with
Recommender Systems and Collaborative Large Language Models
- Title(参考訳): PARISからLE-PARISへ:レコメンダシステムと協調型大規模言語モデルによる特許応答自動化に向けて
- Authors: Jung-Mei Chu, Hao-Cheng Lo, Jieh Hsiang, and Chun-Chieh Cho
- Abstract要約: 特許の訴追において、OAs(Office Actions)に対するタイムリーかつ効果的な対応は、特許の確保に不可欠である。
本稿では,特許庁行動応答情報システム(PARIS)とその先進版であるLarge Language Model (LLM) Enhanced PARIS (LE-PARIS)を紹介する。
これらのシステムは、AIと連携してOA応答を処理する際の特許弁護士の効率を高めるように設計されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In patent prosecution, timely and effective responses to Office Actions (OAs)
are crucial for securing patents. However, past automation and artificial
intelligence research have largely overlooked this aspect. To bridge this gap,
our study introduces the Patent Office Action Response Intelligence System
(PARIS) and its advanced version, the Large Language Model (LLM) Enhanced PARIS
(LE-PARIS). These systems are designed to enhance the efficiency of patent
attorneys in handling OA responses through collaboration with AI. The systems'
key features include the construction of an OA Topics Database, development of
Response Templates, and implementation of Recommender Systems and LLM-based
Response Generation. To validate the effectiveness of the systems, we have
employed a multi-paradigm analysis using the USPTO Office Action database and
longitudinal data based on attorney interactions with our systems over six
years. Through five studies, we have examined the constructiveness of OA topics
(studies 1 and 2) using topic modeling and our proposed Delphi process, the
efficacy of our proposed hybrid LLM-based recommender system tailored for OA
responses (study 3), the quality of generated responses (study 4), and the
systems' practical value in real-world scenarios through user studies (study
5). The results indicate that both PARIS and LE-PARIS significantly achieve key
metrics and have a positive impact on attorney performance.
- Abstract(参考訳): 特許訴追において、oas(office actions)に対するタイムリーで効果的な対応は特許の確保に不可欠である。
しかし、過去の自動化と人工知能の研究は、この側面をほとんど見落としてきた。
このギャップを埋めるために,特許庁行動応答情報システム (PARIS) とその先進的なバージョンであるLarge Language Model (LLM) Enhanced PARIS (LE-PARIS) を導入した。
これらのシステムは、AIと連携してOA応答を処理する際の特許弁護士の効率を高めるように設計されている。
システムの主な特徴は、OAトピックデータベースの構築、レスポンステンプレートの開発、Recommender SystemsとLLMベースのレスポンス生成の実装である。
システムの有効性を検証するために,USPTO Office Actionデータベースと,我々のシステムとの弁護士インタラクションに基づく縦断データを用いたマルチパラダイム分析を行った。
5つの研究を通して,話題モデリングと提案したDelphiプロセスを用いたOAトピックの構築性,OA応答に適したLLMベースのハイブリッドレコメンデータシステムの有効性(研究3),生成した応答の品質(研究4),ユーザスタディによる現実シナリオにおけるシステム実践的価値(研究5)について検討した。
その結果,PARISとLE-PARISはともに重要な指標となり,弁護士のパフォーマンスに肯定的な影響を及ぼすことが明らかとなった。
関連論文リスト
- Leveraging Retrieval-Augmented Generation for University Knowledge Retrieval [2.749898166276854]
本稿では,Large Language Models (LLM) を用いたレトリーバル拡張生成(RAG)パイプラインを用いた革新的なアプローチを提案する。
大学公式Webページからデータを体系的に抽出することにより、ユーザクエリに対する正確で文脈的に関連する応答を生成する。
実験の結果, 生成した応答の精度と関連性に大きな改善が認められた。
論文 参考訳(メタデータ) (2024-11-09T17:38:01Z) - Adversarial Multi-Agent Evaluation of Large Language Models through Iterative Debates [0.0]
本稿では,対話エージェントのアンサンブル内で,大規模言語モデル(LLM)を提唱者として解釈するフレームワークを提案する。
このアプローチは、従来の人間ベースの評価や自動メトリクスと比較して、よりダイナミックで包括的な評価プロセスを提供します。
論文 参考訳(メタデータ) (2024-10-07T00:22:07Z) - Towards Automated Patent Workflows: AI-Orchestrated Multi-Agent Framework for Intellectual Property Management and Analysis [0.0]
PatExpertは、特許関連のタスクを合理化し最適化するために設計された、自律的なマルチエージェント会話フレームワークである。
このフレームワークは、さまざまな特許関連のタスクに対してタスク固有の専門家エージェントをコーディネートするメタエージェントと、エラーハンドリングとフィードバックプロビジョニングのための批判エージェントで構成されている。
論文 参考訳(メタデータ) (2024-09-21T13:44:34Z) - A Thorough Performance Benchmarking on Lightweight Embedding-based Recommender Systems [67.52782366565658]
State-of-the-art recommender system (RS) は、埋め込みベクトルによって符号化される分類的特徴に依存し、結果として非常に大きな埋め込みテーブルとなる。
軽量埋め込み型RSの繁栄にもかかわらず、評価プロトコルには幅広い多様性が見られる。
本研究では, LERSの性能, 効率, クロスタスク転送性について, 徹底的なベンチマークによる検討を行った。
論文 参考訳(メタデータ) (2024-06-25T07:45:00Z) - Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
大規模テキストコーパスで事前訓練されたLarge Language Models (LLMs) は、推奨システムを強化するための有望な道を示す。
オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-07T04:00:30Z) - Towards a RAG-based Summarization Agent for the Electron-Ion Collider [0.5504260452953508]
A Retrieval Augmented Generation (RAG)ベースのEIC用要約AI(RAGS4EIC)が開発中である。
このAIエージェントは情報を凝縮するだけでなく、関連する応答を効果的に参照する。
まず、関連するすべての実験情報を含む包括的ベクトルデータベースを問合せし、次に、Large Language Model(LLM)を用いて、ユーザクエリと検索データに基づく引用に富んだ簡潔な要約を生成する。
論文 参考訳(メタデータ) (2024-03-23T05:32:46Z) - System for systematic literature review using multiple AI agents:
Concept and an empirical evaluation [5.194208843843004]
本稿では,システム文献レビューの実施プロセスの完全自動化を目的とした,新しいマルチAIエージェントモデルを提案する。
このモデルは、研究者がトピックを入力するユーザフレンドリーなインターフェースを介して動作する。
関連する学術論文を検索するために使用される検索文字列を生成する。
モデルはこれらの論文の要約を自律的に要約する。
論文 参考訳(メタデータ) (2024-03-13T10:27:52Z) - Large Multimodal Agents: A Survey [78.81459893884737]
大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。
LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。
本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
論文 参考訳(メタデータ) (2024-02-23T06:04:23Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳(メタデータ) (2023-09-15T02:42:03Z) - Perspectives on Large Language Models for Relevance Judgment [56.935731584323996]
大型言語モデル(LLM)は、関連判断を支援することができると主張している。
自動判定が検索システムの評価に確実に利用できるかどうかは不明である。
論文 参考訳(メタデータ) (2023-04-13T13:08:38Z) - Learning Action-Effect Dynamics for Hypothetical Vision-Language
Reasoning Task [50.72283841720014]
本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。
本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
論文 参考訳(メタデータ) (2022-12-07T05:41:58Z)
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。