論文の概要: AI-Press: A Multi-Agent News Generating and Feedback Simulation System Powered by Large Language Models

• arxiv url: http://arxiv.org/abs/2410.07561v2
• Date: Thu, 12 Dec 2024 02:47:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 17:01:21.550529
• Title: AI-Press: A Multi-Agent News Generating and Feedback Simulation System Powered by Large Language Models
• Title（参考訳）: AI-Press: 大規模言語モデルを利用したマルチエージェントニュース生成とフィードバックシミュレーションシステム
• Authors: Xiawei Liu, Shiyue Yang, Xinnong Zhang, Haoyu Kuang, Libo Sun, Yihang Yang, Siming Chen, Xuanjing Huang, Zhongyu Wei,
• Abstract要約: 本稿では,マルチエージェントコラボレーションとRetrieval-Augmented Generationに基づく自動ニュース起草・研磨システムであるAI-Pressを紹介する。 人口分布を考慮した公共フィードバックを生成するフィードバックシミュレーションシステムを開発した。 本システムは,ニュース生成能力の大幅な向上を示し,公開フィードバックシミュレーションの有効性を検証した。
• 参考スコア（独自算出の注目度）: 33.01589900111173
• License:
• Abstract: The rise of various social platforms has transformed journalism. The growing demand for news content has led to the increased use of large language models (LLMs) in news production due to their speed and cost-effectiveness. However, LLMs still encounter limitations in professionalism and ethical judgment in news generation. Additionally, predicting public feedback is usually difficult before news is released. To tackle these challenges, we introduce AI-Press, an automated news drafting and polishing system based on multi-agent collaboration and Retrieval-Augmented Generation. We develop a feedback simulation system that generates public feedback considering demographic distributions. Through extensive quantitative and qualitative evaluations, our system shows significant improvements in news-generating capabilities and verifies the effectiveness of public feedback simulation.
• Abstract（参考訳）: 様々な社会プラットフォームが台頭し、ジャーナリズムが変化した。 ニュースコンテンツの需要の増加は、その速さと費用対効果により、ニュース制作における大規模言語モデル(LLM)の利用の増加につながっている。 しかし、LLMはニュース生成におけるプロフェッショナル主義と倫理的判断の限界に直面している。 さらに、公開フィードバックの予測は通常、ニュースがリリースされる前に難しい。 これらの課題に対処するために、我々は、マルチエージェントコラボレーションとRetrieval-Augmented Generationに基づく自動ニュースドラフトおよび研磨システムであるAI-Pressを紹介する。 人口分布を考慮した公共フィードバックを生成するフィードバックシミュレーションシステムを開発した。 広範に定量的・質的な評価を行うことで,ニュース生成能力の大幅な向上と,公開フィードバックシミュレーションの有効性を検証した。

関連論文リスト

• A Survey on LLM-based News Recommender Systems [3.295694699346357]
  ニュースレコメンデータシステムは、情報過負荷問題を緩和する上で重要な役割を果たす。 大規模言語モデル技術の応用が成功したため、研究者はニュースレコメンデータシステムの性能向上のため、DLLM(Driminative Large Language Models)またはGLLM(Generative Large Language Models)を利用している。 近年のいくつかの調査では、ディープラーニングベースのニュースレコメンデータシステムに関する重要な課題がレビューされているが、Large Language Model(LLM)ベースのニュースレコメンデータシステムに関する体系的な調査が欠如している。
  論文  参考訳（メタデータ） (2025-02-13T22:13:59Z)
• TrendSim: Simulating Trending Topics in Social Media Under Poisoning Attacks with LLM-based Multi-agent System [90.09422823129961]
  本研究では, LLMをベースとしたマルチエージェントシステムであるTrendSimを提案する。 具体的には、タイムアウェアなインタラクション機構、集中型メッセージ配信、対話型システムを含むトレンドトピックのシミュレーション環境を作成する。 ソーシャルメディア上でユーザをシミュレートするLLMベースのヒューマンライクエージェントを開発し,プロトタイプベースの攻撃者による毒殺攻撃の再現を提案する。
  論文  参考訳（メタデータ） (2024-12-14T12:04:49Z)
• Build An Influential Bot In Social Media Simulations With Large Language Models [7.242974711907219]
  本研究では,エージェントベースモデリング(ABM)とLarge Language Models(LLM)を組み合わせた新しいシミュレーション環境を提案する。 本稿では,Reinforcement Learning (RL) の革新的応用として,世論指導者形成の過程を再現する手法を提案する。 以上の結果から,行動空間の制限と自己観察の導入が,世論指導層形成の安定に寄与する重要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-29T11:37:12Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Cognitive Biases in Large Language Models for News Recommendation [68.90354828533535]
  本稿では,認知バイアスが大規模言語モデル(LLM)に基づくニュースレコメンデータシステムに与える影響について検討する。 データ拡張、エンジニアリングと学習アルゴリズムの側面を通じて、これらのバイアスを軽減する戦略について議論する。
  論文  参考訳（メタデータ） (2024-10-03T18:42:07Z)
• From Skepticism to Acceptance: Simulating the Attitude Dynamics Toward Fake News [38.990330255607276]
  大規模言語モデル(LLM)に基づくフェイクニュース伝搬シミュレーションフレームワークを提案する。 シミュレーションの結果,話題の関連性や個々の特徴に関連する偽ニュースの伝播パターンが,実世界の観測と一致していることがわかった。
  論文  参考訳（メタデータ） (2024-03-14T15:40:13Z)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• An Interactive Framework for Profiling News Media Sources [26.386860411085053]
  本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。 グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。 人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
  論文  参考訳（メタデータ） (2023-09-14T02:03:45Z)
• FR-Detect: A Multi-Modal Framework for Early Fake News Detection on Social Media Using Publishers Features [0.0]
  ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。 早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。 実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
  論文  参考訳（メタデータ） (2021-09-10T12:39:00Z)
• VMSMO: Learning to Generate Multimodal Summary for Video-based News Articles [63.32111010686954]
  マルチモーダル出力(VMSMO)を用いたビデオベースマルチモーダル要約の課題を提案する。 このタスクの主な課題は、ビデオの時間的依存性と記事の意味を共同でモデル化することである。 本稿では,デュアルインタラクションモジュールとマルチモーダルジェネレータからなるDual-Interaction-based Multimodal Summarizer (DIMS)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T02:19:16Z)

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。