論文の概要: Leveraging Large Language Models for Hybrid Workplace Decision Support
- arxiv url: http://arxiv.org/abs/2402.03616v1
- Date: Tue, 6 Feb 2024 01:05:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 17:07:30.391027
- Title: Leveraging Large Language Models for Hybrid Workplace Decision Support
- Title(参考訳): ハイブリッド職場意思決定支援のための大規模言語モデル活用
- Authors: Yujin Kim, Chin-Chia Hsu
- Abstract要約: 大規模言語モデル(LLM)は、様々なテキスト処理タスクを実行する可能性を秘めている。
LLMの推論技術を活用した,ハイブリッド作業環境におけるワークスペースの決定支援モデルを提案する。
この結果から,LLMを活用したワークスペース選択システムにより,従業員は,ハイブリッド職場におけるワークスペース選択のメリットを享受できることが示唆された。
- 参考スコア(独自算出の注目度): 3.471908038481128
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large Language Models (LLMs) hold the potential to perform a variety of text
processing tasks and provide textual explanations for proposed actions or
decisions. In the era of hybrid work, LLMs can provide intelligent decision
support for workers who are designing their hybrid work plans. In particular,
they can offer suggestions and explanations to workers balancing numerous
decision factors, thereby enhancing their work experience. In this paper, we
present a decision support model for workspaces in hybrid work environments,
leveraging the reasoning skill of LLMs. We first examine LLM's capability of
making suitable workspace suggestions. We find that its reasoning extends
beyond the guidelines in the prompt and the LLM can manage the trade-off among
the available resources in the workspaces. We conduct an extensive user study
to understand workers' decision process for workspace choices and evaluate the
effectiveness of the system. We observe that a worker's decision could be
influenced by the LLM's suggestions and explanations. The participants in our
study find the system to be convenient, regardless of whether reasons are
provided or not. Our results show that employees can benefit from the
LLM-empowered system for their workspace selection in hybrid workplace.
- Abstract(参考訳): 大きな言語モデル(LLM)は、様々なテキスト処理タスクを実行し、提案されたアクションや決定に対してテキストによる説明を提供する可能性を持っている。
ハイブリッドワークの時代において、LLMは、ハイブリッドワークプランを設計している労働者にインテリジェントな意思決定支援を提供することができる。
特に、多くの意思決定要因のバランスをとる労働者に提案や説明を提供することで、作業経験を向上させることができる。
本稿では,LLMの推論技術を活用した,ハイブリッド作業環境におけるワークスペースの決定支援モデルを提案する。
まず、LLMが適切なワークスペース提案を行う能力について検討する。
その推論はプロンプトのガイドラインを超えており、LLMはワークスペースで利用可能なリソース間のトレードオフを管理することができる。
我々は,ワークスペース選択における作業者の意思決定過程を理解し,システムの有効性を評価するために,広範なユーザ調査を実施している。
作業者の判断は, LLMの提案や説明に影響される可能性がある。
本研究の参加者は, 理由の有無にかかわらず, 便利なシステムであることが確認された。
この結果から,LLMを活用したワークスペース選択システムにより,従業員はハイブリッド職場におけるワークスペース選択のメリットを享受できることがわかった。
関連論文リスト
- Policy-to-Language: Train LLMs to Explain Decisions with Flow-Matching Generated Rewards [37.063288509982904]
LLMに基づくモデルに依存しない説明生成器を構築する。
このLSMをトレーニングする報酬は、生成フローマッチングモデルによって生成される。
RLタスクとLLMタスクの両方の実験により、高額な人的フィードバックを節約しながら、高密度で効果的な報酬を生成できることが実証された。
論文 参考訳(メタデータ) (2025-02-18T04:34:45Z) - Active Task Disambiguation with LLMs [48.54945212561785]
本稿では,タスクあいまいさの形式的定義を導入し,ベイズ実験設計のレンズによるタスクあいまいさの問題について考察する。
提案手法により,LLMエージェントは情報ゲインを最大化する目的の質問を生成することができる。
経験的な結果から、この形式の質問選択は、質問空間内でのみ推論に依存するアプローチに比べて、より効果的なタスクの曖昧さをもたらすことが示されている。
論文 参考訳(メタデータ) (2025-02-06T20:20:22Z) - WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
大型言語モデル(LLM)は人間のような知性を模倣することができる。
WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
論文 参考訳(メタデータ) (2024-07-07T07:15:49Z) - Can LLMs Solve longer Math Word Problems Better? [47.227621867242]
数学語問題(MWP)は、大規模言語モデル(LLM)の能力を評価する上で重要な役割を果たす。
より長い文脈が数学的推論に与える影響は未解明のままである。
本研究は文脈長一般化可能性(CoLeG)の研究の先駆者である。
論文 参考訳(メタデータ) (2024-05-23T17:13:50Z) - Reinforcement Learning Problem Solving with Large Language Models [0.0]
大規模言語モデル (LLM) には膨大な量の世界知識があり、自然言語処理 (NLP) タスクの性能向上のために様々な分野に応用できるようになっている。
これはまた、人間とAIシステム間の会話に基づく対話による、意図した問題を解決するための、よりアクセスしやすいパラダイムを促進する。
研究科学者」と「レガリー・マター・インテーク」の2つの詳細なケーススタディを通して、我々のアプローチの実践性を示す。
論文 参考訳(メタデータ) (2024-04-29T12:16:08Z) - Character is Destiny: Can Role-Playing Language Agents Make Persona-Driven Decisions? [59.0123596591807]
我々は、ペルソナ駆動意思決定におけるLarge Language Models(LLM)の能力をベンチマークする。
高品質な小説において, LLM が先行する物語のキャラクターの判断を予測できるかどうかを検討する。
その結果、現状のLLMは、このタスクに有望な能力を示すが、改善の余地は残されている。
論文 参考訳(メタデータ) (2024-04-18T12:40:59Z) - Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis [91.5632751731927]
ChatGPTのような大規模言語モデルは、一般的なタスクを解く際、顕著な能力を示した。
本稿では,レコメンデーションタスクにおけるLLMの活用のための汎用フレームワークを提案し,レコメンデーションタスクとしてのLLMの機能に着目した。
提案手法は,提案手法が推薦結果に与える影響を解析し,提案手法とモデルアーキテクチャ,パラメータスケール,コンテキスト長について検討する。
論文 参考訳(メタデータ) (2024-01-10T08:28:56Z) - Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。
人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。
我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
論文 参考訳(メタデータ) (2023-09-30T07:11:39Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z)
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。