Fugu-MT 論文翻訳(概要): NLP4RE Tools: Classification, Overview, and Management

論文の概要: NLP4RE Tools: Classification, Overview, and Management

arxiv url: http://arxiv.org/abs/2403.06685v1
Date: Mon, 11 Mar 2024 13:01:57 GMT
ステータス: 処理完了
システム内更新日: 2024-03-12 19:05:35.349695
Title: NLP4RE Tools: Classification, Overview, and Management
Title（参考訳）: NLP4REツール: 分類、概要、管理
Authors: Julian Frattini, Michael Unterkalmsteiner, Davide Fucci, Daniel Mendez
Abstract要約: ツールは、要求工学(NLP4RE)研究のための自然言語処理に不可欠な貢献である。まず、NLP4REツールの体系的な分類を導入し、それらのタイプや特性の理解を改善する。既存のツールの再利用と進化を容易にするため、2019年4月から2023年6月までに発行された126のNLP4REツールを体系的にまとめて、既存の概要を拡張した。
参考スコア（独自算出の注目度）: 4.7120480695997635
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Tools constitute an essential contribution to natural language processing for requirements engineering (NLP4RE) research. They are executable instruments that make research usable and applicable in practice. In this chapter, we first introduce a systematic classification of NLP4RE tools to improve the understanding of their types and properties. Then, we extend an existing overview with a systematic summary of 126 NLP4RE tools published between April 2019 and June 2023 to ease reuse and evolution of existing tools. Finally, we provide instructions on how to create, maintain, and disseminate NLP4RE tools to support a more rigorous management and dissemination.
Abstract（参考訳）: ツールは、要求工学(NLP4RE)研究のための自然言語処理に不可欠な貢献である。これらは、研究を実用的かつ実用的なものにするための実行可能な道具である。本章ではまず,NLP4REツールを体系的に分類し,それらのタイプや特性の理解を改善する。そして、2019年4月から2023年6月までに発行された126のNLP4REツールを体系的にまとめて、既存のツールの再利用と進化を容易にするために、既存の概要を拡張します。最後に、より厳密な管理と普及を支援するため、NLP4REツールの作成、保守、普及方法の指示を提供する。

関連論文リスト

From Exploration to Mastery: Enabling LLMs to Master Tools via Self-Driven Interactions [60.733557487886635]
本稿では,大規模言語モデルと外部ツールとの包括的ギャップを埋めることに焦点を当てる。ツール文書の動的精錬を目的とした新しいフレームワーク DRAFT を提案する。複数のデータセットに対する大規模な実験は、DRAFTの反復的なフィードバックベースの改善がドキュメントの品質を大幅に改善することを示している。
論文参考訳（メタデータ） (2024-10-10T17:58:44Z)
LLM With Tools: A Survey [0.0]
本稿では,LCMに外部ツールの使用を教える領域における方法論,問題点,展開について述べる。ユーザ命令を実行可能なプランにマッピングする一連の関数によってガイドされるツール統合のための標準化パラダイムを導入する。調査の結果,ツール起動タイミング,選択精度,堅牢な推論プロセスの必要性など,さまざまな課題が明らかになった。
論文参考訳（メタデータ） (2024-09-24T14:08:11Z)
Tool Learning with Large Language Models: A Survey [60.733557487886635]
大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
論文参考訳（メタデータ） (2024-05-28T08:01:26Z)
Chain of Tools: Large Language Model is an Automatic Multi-tool Learner [54.992464510992605]
Automatic Tool Chain(ATC)は、大規模言語モデル(LLM)がマルチツールユーザとして機能することを可能にするフレームワークである。次に,ツールの範囲を拡大するために,ブラックボックス探索法を提案する。包括的な評価のために、ToolFlowという挑戦的なベンチマークを構築しました。
論文参考訳（メタデータ） (2024-05-26T11:40:58Z)
LLMs in the Imaginarium: Tool Learning through Simulated Trial and Error [54.954211216847135]
既存の大規模言語モデル(LLM)は30%から60%の範囲でしか正当性に至らない。試行錯誤(STE)を模擬したツール拡張LDMの生物学的なインスピレーション法を提案する。 STEは、試行錯誤、想像力、記憶という、生物学的システムにおけるツール使用行動の成功のための3つの重要なメカニズムを編成する。
論文参考訳（メタデータ） (2024-03-07T18:50:51Z)
TOOLVERIFIER: Generalization to New Tools via Self-Verification [69.85190990517184]
本稿では,ツール選択中にコントラスト質問を自己問合せすることで,近接候補を識別する自己検証手法を提案する。 ToolBenchベンチマークによる4つのタスクの実験では、17の見えないツールで構成されており、数ショットのベースラインよりも平均22%改善されている。
論文参考訳（メタデータ） (2024-02-21T22:41:38Z)
Classification of Natural Language Processing Techniques for Requirements Engineering [6.099346764207287]
我々は,要求工学において最も頻繁に使用される57のNLPテクニックを合成・整理する取り組みについて述べる。我々はこれらのNLP手法を2つの方法で分類する: まず、NLPタスクを典型的なパイプラインで、次に、言語分析レベルで分類する。
論文参考訳（メタデータ） (2022-04-08T20:28:00Z)
Natural Language Processing 4 All (NLP4All): A New Online Platform for Teaching and Learning NLP Concepts [0.0]
自然言語処理は、ほぼすべての分野とドメインにわたる言語データに対する新たな洞察を提供する。これらの新しい研究ツールへの参加と利用を拡大するための大きなハードルは、K-16の学生や人口全体におけるコーディングスキルの欠如である。 NLPへの参加を拡大し、NLPリテラシーを向上させるため、Natural Language Processing 4 All (NLP4All)と呼ばれるウェブベースのツールを導入した。 NLP4Allの目的は、教師がNLPメソッド、データ、分析に簡単に使えるインターフェイスを提供することで、NLPについて学習しやすくすることである。
論文参考訳（メタデータ） (2021-05-28T09:57:22Z)
NLPContributions: An Annotation Scheme for Machine Reading of Scholarly Contributions in Natural Language Processing Literature [0.0]
本稿では,自然言語処理(NLP)論文の学術的貢献を捉えるためのアノテーションイニシアチブについて述べる。我々は,5つの情報抽出タスクへのコントリビューションを提示する50のNLP-ML学術論文に対するパイロット演習に基づくアノテーションタスクを開発する。我々は,NLPコントリビューションの方法論が,そのさらなる洗練と発展に向けて,このトピックについてより広範な議論を巻き起こすことを想定する。
論文参考訳（メタデータ） (2020-06-23T10:04:39Z)
Pre-trained Models for Natural Language Processing: A Survey [75.95500552357429]
事前学習モデル(PTM)の出現は、自然言語処理(NLP)を新しい時代にもたらした。この調査は、様々なNLPタスクに対するPTMの理解、利用、開発のためのハンズオンガイドになることを目的としている。
論文参考訳（メタデータ） (2020-03-18T15:22:51Z)

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。