論文の概要: Towards Edge General Intelligence via Large Language Models: Opportunities and Challenges
- arxiv url: http://arxiv.org/abs/2410.18125v1
- Date: Wed, 16 Oct 2024 07:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-27 04:44:33.078042
- Title: Towards Edge General Intelligence via Large Language Models: Opportunities and Challenges
- Title(参考訳): 大規模言語モデルによるエッジ汎用インテリジェンスの実現に向けて:機会と課題
- Authors: Handi Chen, Weipeng Deng, Shuo Yang, Jinfeng Xu, Zhihan Jiang, Edith C. H. Ngai, Jiangchuan Liu, Xue Liu,
- Abstract要約: エッジインテリジェンス(EI)は、エッジネットワークの計算能力を活用することで、リアルタイムなローカライズされたサービスを提供する上で重要な役割を果たしている。
大規模言語モデル(LLM)の統合により、EIは次のステージへと進化する。
本調査は, LLMを取り入れたEGIを, 集中型, ハイブリッド型, 分散型という3つの概念システムに分類し, 従来のEIとEGIの区別を明らかにした。
- 参考スコア(独自算出の注目度): 18.98619510865057
- License:
- Abstract: Edge Intelligence (EI) has been instrumental in delivering real-time, localized services by leveraging the computational capabilities of edge networks. The integration of Large Language Models (LLMs) empowers EI to evolve into the next stage: Edge General Intelligence (EGI), enabling more adaptive and versatile applications that require advanced understanding and reasoning capabilities. However, systematic exploration in this area remains insufficient. This survey delineates the distinctions between EGI and traditional EI, categorizing LLM-empowered EGI into three conceptual systems: centralized, hybrid, and decentralized. For each system, we detail the framework designs and review existing implementations. Furthermore, we evaluate the performance and throughput of various Small Language Models (SLMs) that are more suitable for development on edge devices. This survey provides researchers with a comprehensive vision of EGI, offering insights into its vast potential and establishing a foundation for future advancements in this rapidly evolving field.
- Abstract(参考訳): エッジインテリジェンス(EI)は、エッジネットワークの計算能力を活用することで、リアルタイムなローカライズされたサービスを提供する上で重要な役割を果たしている。
大きな言語モデル(LLM)の統合により、EIは次のステージへと進化する。 エッジ汎用知能(EGI)。
しかし、この地域の体系的な探検は不十分である。
本調査は, LLMを取り入れたEGIを, 集中型, ハイブリッド型, 分散型という3つの概念システムに分類し, 従来のEIとEGIの区別を明らかにした。
各システムについて、フレームワークの設計を詳述し、既存の実装をレビューする。
さらに,エッジデバイス上での開発に適した各種小言語モデル(SLM)の性能とスループットを評価する。
このサーベイは、研究者にEGIの総合的なビジョンを提供し、その膨大な可能性についての洞察を提供し、この急速に発展する分野における将来の進歩の基盤を確立する。
関連論文リスト
- Generative Multi-Agent Collaboration in Embodied AI: A Systematic Review [32.73711802351707]
Embodied Multi-Adnt System (EMAS) は、現実の課題に対処する可能性に注目が集まっている。
基礎モデルの最近の進歩は、よりリッチなコミュニケーションと適応的な問題解決が可能な生成エージェントの道を開いた。
この調査は、EMASがこれらの生成能力の恩恵を受けることができるかを体系的に検証する。
論文 参考訳(メタデータ) (2025-02-17T07:39:34Z) - A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
本稿では、データコンテキスト化の改善、モデルの精度の向上、知識リソースの利用改善など、生成AIを知識ベースに統合するメリットを強調した。
この調査結果は、現在の研究状況の詳細な概要を提供し、重要なギャップを特定し、実行可能なレコメンデーションを提供する。
論文 参考訳(メタデータ) (2025-01-19T23:25:21Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-13T11:19:56Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳(メタデータ) (2024-09-27T06:31:03Z) - On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。
本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
論文 参考訳(メタデータ) (2024-08-09T05:49:21Z) - A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。
Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。
RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文 参考訳(メタデータ) (2024-05-10T02:48:45Z) - Large Language Models for UAVs: Current State and Pathways to the Future [6.85423435360359]
無人航空機(UAV)は様々な分野にまたがるトランスフォーメーション技術として登場した。
この研究は、自律システムの開発を促進するために、UAVとLarge Language Models(LLM)を統合する大きな可能性を探求する。
論文 参考訳(メタデータ) (2024-05-02T21:30:10Z) - Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。
SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。
ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
論文 参考訳(メタデータ) (2024-04-20T11:07:29Z) - Advances in Embodied Navigation Using Large Language Models: A Survey [16.8165925743264]
この記事では、Large Language ModelsとEmbodied Intelligenceの共生について概説する。
最先端のモデル、研究方法論をレビューし、既存の埋め込みナビゲーションモデルとデータセットの利点とデメリットを評価する。
最後に, 本論文は, インテリジェンスにおけるLLMの役割を解明し, 今後の方向性を予測している。
論文 参考訳(メタデータ) (2023-11-01T14:08:56Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳(メタデータ) (2022-04-29T08:06:05Z)
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。