Fugu-MT 論文翻訳(概要): LLM-Oracle Machines

論文の概要: LLM-Oracle Machines

arxiv url: http://arxiv.org/abs/2406.12213v1
Date: Tue, 18 Jun 2024 02:25:33 GMT
ステータス: 処理完了
システム内更新日: 2024-06-19 23:08:33.400838
Title: LLM-Oracle Machines
Title（参考訳）: LLM-Oracle マシン
Authors: Jie Wang,
Abstract要約: 大規模言語モデル(LLM)は、その知識と推論能力のために、現代のAIアプリケーションで使用されている。基本、拡張、障害回避、および$epsilon$-faultの4つのバリエーションを提示します。後者の2つは、幻覚、偏見、矛盾に対処することによって、信頼性の高い結果を保証するように設計されている。
参考スコア（独自算出の注目度）: 2.6839986755082728
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Contemporary AI applications leverage large language models (LLMs) for their knowledge and inference capabilities in natural language processing tasks. This approach aligns with the concept of oracle Turing machines (OTMs). To capture the essence of these computations, including those desired but not yet in practice, we extend the notion of OTMs by employing a cluster of LLMs as the oracle. We present four variants: basic, augmented, fault-avoidance, and $\epsilon$-fault. The first two variants are commonly observed, whereas the latter two are specifically designed to ensure reliable outcomes by addressing LLM hallucinations, biases, and inconsistencies.
Abstract（参考訳）: 現代のAIアプリケーションは、自然言語処理タスクにおける知識と推論能力のために、大きな言語モデル(LLM)を利用している。このアプローチは、オラクルチューリングマシン(OTM)の概念と一致している。これらの計算の本質を捉えるために、OTMの概念を、LLMのクラスタをオラクルとして利用することで拡張する。基本、拡張、障害回避、および$\epsilon$-faultの4つのバリエーションを提示します。最初の2つの変種は一般的に観察されるが、後者の2つの変種は LLM の幻覚、偏見、矛盾に対処することによって信頼性の高い結果を保証するように設計されている。

関連論文リスト

Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
論文参考訳（メタデータ） (2024-04-13T02:39:36Z)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。 AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-07-27T23:02:24Z)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文参考訳（メタデータ） (2022-11-12T21:54:05Z)
Towards Systems Education for Artificial Intelligence: A Course Practice in Intelligent Computing Architectures [6.440694188229122]
このコースは、FPGAプラットフォーム上でAIアクセラレータを設計する学生に教えることを目的としている。講座内容は講義ノート及び関連技術資料を含む。いくつかの教育経験と効果が議論され、将来の可能性も議論されている。
論文参考訳（メタデータ） (2022-06-22T11:48:04Z)
Challenges and Opportunities of Edge AI for Next-Generation Implantable BMIs [6.385006149689549]
次世代脳-機械インタフェース(BMI)におけるオンチップAIの新たな可能性について概観する。我々は,新しい世代のAI強化BMIと高チャネル数BMIを実現するために,アルゴリズムおよびIC設計ソリューションを提案する。
論文参考訳（メタデータ） (2022-04-04T12:47:07Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
A Classification of Artificial Intelligence Systems for Mathematics Education [3.718476964451589]
本章では,数学教育(ME)のデジタルツールとして使用されているAIシステムの概要を紹介する。それはAIと機械学習(ML)の研究者を対象としており、教育アプリケーションで使われている特定の技術に光を当てています。
論文参考訳（メタデータ） (2021-07-13T12:09:10Z)
The Why, What and How of Artificial General Intelligence Chip Development [0.0]
インテリジェントなセンシング、自動化、エッジコンピューティングアプリケーションは、AIチップの市場ドライバとなっている。 AIチップソリューションの一般化、パフォーマンス、堅牢性、スケーラビリティは、人間のような知能能力と比較される。
論文参考訳（メタデータ） (2020-12-08T02:36:04Z)
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文参考訳（メタデータ） (2020-11-17T13:14:28Z)

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。