論文の概要: Designing Multi-Step Action Models for Enterprise AI Adoption
- arxiv url: http://arxiv.org/abs/2403.14645v1
- Date: Wed, 21 Feb 2024 18:37:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:52:54.838167
- Title: Designing Multi-Step Action Models for Enterprise AI Adoption
- Title(参考訳): エンタープライズAI導入のためのマルチステップアクションモデルの設計
- Authors: Shreyash Mishra, Shrey Shah, Rex Pereira,
- Abstract要約: 本稿では,企業におけるAI導入を妨げる課題に対処するために,Empsingが設計したクローズドソースAIモデルであるMulti-Step Action Model(MSAM)を紹介する。
厳格なテスト手法を通じてMSAMのパフォーマンスを評価し、組織内のAI採用の進展にその潜在的影響を想定している。
- 参考スコア(独自算出の注目度): 1.3741740819088444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces the Multi-Step Action Model (MSAM), a closed-source AI model designed by Empsing to address challenges hindering AI adoption in enterprises. Through a holistic examination, this paper explores MSAM's foundational principles, design architecture, and future trajectory. It evaluates MSAM's performance via rigorous testing methodologies and envisions its potential impact on advancing AI adoption within organizations.
- Abstract(参考訳): 本稿では,企業におけるAI導入を妨げる課題に対処するために,Empsingが設計したクローズドソースAIモデルであるMulti-Step Action Model(MSAM)を紹介する。
本稿では,MSAMの基本原理,設計アーキテクチャ,今後の軌道について概観する。
厳格なテスト手法を通じてMSAMのパフォーマンスを評価し、組織内のAI採用の進展にその潜在的影響を想定している。
関連論文リスト
- Science based AI model certification for untrained operational environments with application in traffic state estimation [1.2186759689780324]
さまざまなエンジニアリング領域における人工知能(AI)の役割の拡大は、AIモデルを新たな運用環境にデプロイする際の課題を強調している。
本稿では,未訓練の運用環境における事前学習データ駆動モデルの適用可能性を評価するための,科学ベースの認証手法を提案する。
論文 参考訳(メタデータ) (2024-03-21T03:01:25Z) - Let's reward step by step: Step-Level reward model as the Navigators for
Reasoning [64.27898739929734]
Process-Supervised Reward Model (PRM)は、トレーニングフェーズ中にステップバイステップのフィードバックをLLMに提供する。
LLMの探索経路を最適化するために,PRMからのステップレベルのフィードバックを応用した欲求探索アルゴリズムを提案する。
提案手法の汎用性を探るため,コーディングタスクのステップレベル報酬データセットを自動生成する手法を開発し,コード生成タスクにおける同様の性能向上を観察する。
論文 参考訳(メタデータ) (2023-10-16T05:21:50Z) - The Participatory Turn in AI Design: Theoretical Foundations and the
Current State of Practice [64.29355073494125]
本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。
我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
論文 参考訳(メタデータ) (2023-10-02T05:30:42Z) - An Adaptable Approach for Successful SIEM Adoption in Companies [0.3441021278275805]
本稿では,企業における各SIEMシステムの実装のための総合的手続きモデルを開発する。
検証期間中の研究によると, 手順モデルが適用可能であることが確認された。
論文 参考訳(メタデータ) (2023-08-02T10:28:08Z) - Navigating the Complexity of Generative AI Adoption in Software
Engineering [6.190511747986327]
ソフトウェア工学における生成人工知能(AI)ツールの採用パターンについて検討した。
個人レベル、技術レベル、社会的レベルの影響要因を分析した。
論文 参考訳(メタデータ) (2023-07-12T11:05:19Z) - On Realization of Intelligent Decision-Making in the Real World: A
Foundation Decision Model Perspective [54.38373782121503]
FDM(Foundation Decision Model)は、様々な意思決定タスクをシーケンスデコーディングタスクとして定式化することで開発することができる。
本稿では、FDMの実装であるDigitalBrain(DB1)を13億のパラメータで実証し、870のタスクで人間レベルのパフォーマンスを達成するケーススタディを提案する。
論文 参考訳(メタデータ) (2022-12-24T06:16:45Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳(メタデータ) (2022-03-03T20:52:47Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳(メタデータ) (2021-11-01T17:57:04Z) - Design principles for a hybrid intelligence decision support system for
business model validation [4.127347156839169]
本稿では,ハイブリッドインテリジェンス意思決定支援システム(HI-DSS)の設計原理について述べる。
我々はプロトタイプのアーティファクトと一連の設計原則を設計するための設計科学研究アプローチに従う。
本研究は,hi-dssの規範的知識を提供し,ビジネスモデルに対する意思決定支援,意思決定のための人間と機械の補完的強みの応用,極めて不確定な意思決定問題に対する支援システムの先行研究に寄与する。
論文 参考訳(メタデータ) (2021-05-07T16:13:36Z) - Quantitatively Assessing the Benefits of Model-driven Development in
Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。
その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文 参考訳(メタデータ) (2020-06-15T23:29:04Z) - Developing and Operating Artificial Intelligence Models in Trustworthy
Autonomous Systems [8.27310353898034]
このワーク・イン・プログレス・ペーパーはAIベースのASの開発と運用のギャップを埋めることを目的としている。
私たちはそれを実践するために、新しく包括的なDevOpsアプローチを提案します。
論文 参考訳(メタデータ) (2020-03-11T17:52:30Z)
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。