論文の概要: No Size Fits All: The Perils and Pitfalls of Leveraging LLMs Vary with Company Size
- arxiv url: http://arxiv.org/abs/2408.01444v1
- Date: Sun, 21 Jul 2024 16:11:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 04:59:02.244121
- Title: No Size Fits All: The Perils and Pitfalls of Leveraging LLMs Vary with Company Size
- Title(参考訳): サイズが大きすぎる。LLMを企業規模で活用する際の難しさと落とし穴
- Authors: Ashok Urlana, Charaka Vinayak Kumar, Bala Mallikarjunarao Garlapati, Ajeet Kumar Singh, Rahul Mishra,
- Abstract要約: 大規模言語モデル(LLM)は、さまざまな組織における戦略的ユースケースの展開において、重要な役割を担っている。
LLMの活用が成功する際の課題や課題は、組織の大きさによって大きく異なる可能性がある。
- 参考スコア(独自算出の注目度): 7.660415388174536
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large language models (LLMs) are playing a pivotal role in deploying strategic use cases across a range of organizations, from large pan-continental companies to emerging startups. The issues and challenges involved in the successful utilization of LLMs can vary significantly depending on the size of the organization. It is important to study and discuss these pertinent issues of LLM adaptation with a focus on the scale of the industrial concerns and brainstorm possible solutions and prospective directions. Such a study has not been prominently featured in the current research literature. In this study, we adopt a threefold strategy: first, we conduct a case study with industry practitioners to formulate the key research questions; second, we examine existing industrial publications to address these questions; and finally, we provide a practical guide for industries to utilize LLMs more efficiently.
- Abstract(参考訳): 大規模言語モデル(LLM)は、大規模な汎大陸企業から新興スタートアップに至るまで、さまざまな組織にわたる戦略的ユースケースの展開において重要な役割を担っている。
LLMの活用が成功する際の課題や課題は、組織の大きさによって大きく異なる可能性がある。
産業的関心事の規模とブレインストーム可能な解決策と今後の方向性に焦点をあてて,これらのLLM適応の関連する課題を研究,議論することが重要である。
このような研究は、現在の研究文献では顕著に取り上げられていない。
本研究では、まず、業界関係者とケーススタディを行い、重要な研究課題を定式化し、次に、これらの課題に対処するための既存の産業出版物について検討し、最後に、LCMをより効率的に活用するための実践的なガイドを提供する。
関連論文リスト
- Should You Use Your Large Language Model to Explore or Exploit? [55.562545113247666]
探索・探索トレードオフに直面した意思決定エージェントを支援するために,大規模言語モデルの能力を評価する。
現在のLLMは、しばしば利用に苦労するが、小規模タスクのパフォーマンスを大幅に改善するために、コンテキスト内緩和が用いられる可能性がある。
論文 参考訳(メタデータ) (2025-01-31T23:42:53Z) - Large language models for automated scholarly paper review: A survey [2.41072532750517]
本稿では,大規模言語モデル(LLM)の時代における自動学術論文レビュー(ASPR)の全体像を提供することを目的とする。
LLM技術の導入により,ASPR関連技術のボトルネックが解決されたのかを概観する。
本稿では,ASPR における LLM の性能と課題を要約し,ASPR に対する出版社や学界の態度と反応について考察する。
論文 参考訳(メタデータ) (2025-01-17T17:56:58Z) - A Reality check of the benefits of LLM in business [1.9181612035055007]
大規模言語モデル(LLM)は、言語理解および生成タスクにおいて顕著なパフォーマンスを達成した。
ビジネスプロセスにおけるLCMの有用性と準備性について概説する。
論文 参考訳(メタデータ) (2024-06-09T02:36:00Z) - 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) - A Survey on the Memory Mechanism of Large Language Model based Agents [66.4963345269611]
大規模言語モデル(LLM)に基づくエージェントは、最近、研究や産業コミュニティから多くの注目を集めている。
LLMベースのエージェントは、現実の問題を解決する基礎となる自己進化能力に特徴付けられる。
エージェント-環境相互作用をサポートする重要なコンポーネントは、エージェントのメモリである。
論文 参考訳(メタデータ) (2024-04-21T01:49:46Z) - Benchmarking LLMs on the Semantic Overlap Summarization Task [9.656095701778975]
本稿では,セマンティック・オーバーラップ・サマリゼーション(SOS)タスクにおいて,Large Language Models (LLM) を包括的に評価する。
本稿では, ROUGE, BERTscore, SEM-F1$などの定評ある指標を, 2種類の代替物語のデータセット上で報告する。
論文 参考訳(メタデータ) (2024-02-26T20:33:50Z) - A Comprehensive Overview of Large Language Models [68.22178313875618]
大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。
本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
論文 参考訳(メタデータ) (2023-07-12T20:01:52Z) - 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) - Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。
26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
論文 参考訳(メタデータ) (2023-05-24T10:45:25Z)
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。