論文の概要: Plurals: A System for Guiding LLMs Via Simulated Social Ensembles

• arxiv url: http://arxiv.org/abs/2409.17213v5
• Date: Tue, 19 Nov 2024 15:37:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:34:53.983358
• Title: Plurals: A System for Guiding LLMs Via Simulated Social Ensembles
• Title（参考訳）: 複数グループ:シミュレート・ソーシャル・アンサンブルによるLCMの指導システム
• Authors: Joshua Ashkinaze, Emily Fry, Narendra Edara, Eric Gilbert, Ceren Budak,
• Abstract要約: 本稿では,多言語AIのためのシステムとPythonライブラリであるPluralsを紹介する。 複数は、カスタマイズ可能な構造内で意図的にエージェントで構成され、モデレーターは熟考を監督する。 6つのケーススタディは、理論的構成と有効性に対する忠実さを示している。
• 参考スコア（独自算出の注目度）: 1.9034114150823245
• License:
• Abstract: Recent debates raised concerns that language models may favor certain viewpoints. But what if the solution is not to aim for a 'view from nowhere' but rather to leverage different viewpoints? We introduce Plurals, a system and Python library for pluralistic AI deliberation. Plurals consists of Agents (LLMs, optionally with personas) which deliberate within customizable Structures, with Moderators overseeing deliberation. Plurals is a generator of simulated social ensembles. Plurals integrates with government datasets to create nationally representative personas, includes deliberation templates inspired by deliberative democracy, and allows users to customize both information-sharing structures and deliberation behavior within Structures. Six case studies demonstrate fidelity to theoretical constructs and efficacy. Three randomized experiments show simulated focus groups produced output resonant with an online sample of the relevant audiences (chosen over zero-shot generation in 75% of trials). Plurals is both a paradigm and a concrete system for pluralistic AI. The Plurals library is available at https://github.com/josh-ashkinaze/plurals and will be continually updated.
• Abstract（参考訳）: 近年の議論は、言語モデルが特定の視点を好むのではないかという懸念を提起した。 しかし、もし解決策が"どこからでも見る"ことではなく、むしろ異なる視点を活用することにあるとしたらどうでしょう? 本稿では,多言語AIのためのシステムとPythonライブラリであるPluralsを紹介する。 複数言語は、カスタマイズ可能な構造内で意図的に行われるエージェント(LLM、オプションでペルソナを含む)と、モデレーターが審議を監督する。 Pluralsは、シミュレートされたソーシャルアンサンブルのジェネレータである。 Pluralsは政府データセットを統合して、全国的に代表されるペルソナを作成し、熟考民主主義にインスパイアされた熟考テンプレートを含み、ユーザーは情報共有構造と構造内の熟考行動の両方をカスタマイズできる。 6つのケーススタディは、理論的構成と有効性に対する忠実さを示している。 3つのランダム化実験は、シミュレーションされた焦点群が関連する聴衆のオンラインサンプル(75%の試験でゼロショット生成を超越した)と共振する結果を示した。 複数言語は多元的AIのためのパラダイムと具体的なシステムである。 Pluralsライブラリはhttps://github.com/josh-ashkinaze/pluralsで公開されている。

関連論文リスト

• Modular Pluralism: Pluralistic Alignment via Multi-LLM Collaboration [84.47037877922293]
  大規模言語モデル(LLM)は、文化、人口統計、地域社会の様々な好みをモデル化するのに苦労する。 我々は多元的アライメントのためのマルチLLM協調に基づくモジュラーフレームワークであるモジュラー・プラナリズムを提案する。 我々は,6つのタスクと4つのデータセットによるモジュール型多元性の評価を行った。
  論文  参考訳（メタデータ） (2024-06-22T22:07:40Z)
• A Roadmap to Pluralistic Alignment [49.29107308098236]
  本稿では,言語モデルをテストベッドとして用いた多元的アライメントのロードマップを提案する。 我々は,AIシステムにおける多元性を定義・運用する3つの可能な方法を特定し,定式化する。 我々は、現在のアライメント技術は、基本的に多元的AIに限られていると論じる。
  論文  参考訳（メタデータ） (2024-02-07T18:21:17Z)
• SADAS: A Dialogue Assistant System Towards Remediating Norm Violations in Bilingual Socio-Cultural Conversations [56.31816995795216]
  SADAS(Socially-Aware Dialogue Assistant System)は、会話が敬意と理解で広がることを保証するためのシステムである。 本システムの新しいアーキテクチャは,(1)対話に存在する規範のカテゴリを特定すること,(2)潜在的な規範違反を検出すること,(3)違反の深刻さを評価すること,(4)違反の是正を目的とした対策を実施すること,を含む。
  論文  参考訳（メタデータ） (2024-01-29T08:54:21Z)
• Generative Social Choice [30.23505343152816]
  本稿では,社会的選択理論の厳密さと大規模言語モデルによるテキスト生成と外挿選好の能力を組み合わせる枠組みである生成的社会的選択について紹介する。 本稿では,自由形式の文章として表現された意見を表す文のスレートを生成する問題に,この枠組みを適用した。 100人中93人が、抽出した5つの発言のスレートによって「ほとんど」あるいは「完璧」と感じていることがわかった。
  論文  参考訳（メタデータ） (2023-09-03T23:47:21Z)
• Vector Representations of Idioms in Conversational Systems [1.6507910904669727]
  我々は,2つの課題に対して,潜在的表現(PIE)-英語イディオムコーパスを利用する。 SoTA T5モデルを用いて分類作業において,98%のマクロF1スコアの最先端(SoTA)を達成した。 その結果、イディオムコーパスで訓練されたモデルは、イディオム71.9%を含むプロンプトに対してより適合した反応を生じさせることがわかった。
  論文  参考訳（メタデータ） (2022-05-07T14:50:05Z)
• Socratic Models: Composing Zero-Shot Multimodal Reasoning with Language [49.82293730925404]
  大規模な基盤モデルは、トレーニングされたデータのドメインによって、ユニークな機能を示すことができます。 このモデルの多様性は共生的であり,構造化ソクラテス対話を用いたAIシステム構築に活用可能であることを示す。
  論文  参考訳（メタデータ） (2022-04-01T17:43:13Z)
• Read Like Humans: Autonomous, Bidirectional and Iterative Language Modeling for Scene Text Recognition [80.446770909975]
  言語知識はシーンのテキスト認識に非常に有益である。 エンドツーエンドのディープネットワークで言語規則を効果的にモデル化する方法はまだ研究の課題です。 シーンテキスト認識のための自律的双方向反復型ABINetを提案する。
  論文  参考訳（メタデータ） (2021-03-11T06:47:45Z)
• Vokenization: Improving Language Understanding with Contextualized, Visual-Grounded Supervision [110.66085917826648]
  我々は,言語トークンを関連画像に文脈的にマッピングすることで,言語のみのデータに対するマルチモーダルアライメントを補間する手法を開発した。 語彙化」は比較的小さな画像キャプションデータセットに基づいて訓練され、それを大規模言語コーパスのための語彙生成に適用する。 これらの文脈的に生成された語彙を用いて学習し、視覚的に制御された言語モデルにより、複数の純粋言語タスクにおいて、自己教師による代替よりも一貫した改善が示される。
  論文  参考訳（メタデータ） (2020-10-14T02:11:51Z)

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。

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。