論文の概要: ML-Promise: A Multilingual Dataset for Corporate Promise Verification

• arxiv url: http://arxiv.org/abs/2411.04473v1
• Date: Thu, 07 Nov 2024 06:51:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:39:08.229623
• Title: ML-Promise: A Multilingual Dataset for Corporate Promise Verification
• Title（参考訳）: ML-Promise: 企業約束検証のための多言語データセット
• Authors: Yohei Seki, Hakusen Shu, Anaïs Lhuissier, Hanwool Lee, Juyeon Kang, Min-Yuh Day, Chung-Chi Chen,
• Abstract要約: 本稿では,約束検証の概念を紹介する。 それは、約束の識別、証拠評価、検証のタイミングの評価などのステップを含む。 本稿では,英語,フランス語,中国語,日本語,韓国語を含む最初の多言語データセットML-Promiseを提案する。
• 参考スコア（独自算出の注目度）: 3.0384771155882606
• License:
• Abstract: Promises made by politicians, corporate leaders, and public figures have a significant impact on public perception, trust, and institutional reputation. However, the complexity and volume of such commitments, coupled with difficulties in verifying their fulfillment, necessitate innovative methods for assessing their credibility. This paper introduces the concept of Promise Verification, a systematic approach involving steps such as promise identification, evidence assessment, and the evaluation of timing for verification. We propose the first multilingual dataset, ML-Promise, which includes English, French, Chinese, Japanese, and Korean, aimed at facilitating in-depth verification of promises, particularly in the context of Environmental, Social, and Governance (ESG) reports. Given the growing emphasis on corporate environmental contributions, this dataset addresses the challenge of evaluating corporate promises, especially in light of practices like greenwashing. Our findings also explore textual and image-based baselines, with promising results from retrieval-augmented generation (RAG) approaches. This work aims to foster further discourse on the accountability of public commitments across multiple languages and domains.
• Abstract（参考訳）: 政治家、企業指導者、公人による約束は、大衆の認識、信頼、制度的評価に大きな影響を及ぼす。 しかし、これらのコミットメントの複雑さとボリュームは、その達成の検証の困難さと相まって、その信頼性を評価するための革新的な方法を必要としている。 本稿では, 確証識別, 証拠評価, 検証のタイミング評価などの段階を含む体系的アプローチである Promise Verification の概念を紹介する。 本稿では、特に環境・社会・ガバナンス(ESG)レポートにおいて、約束の詳細な検証を容易にすることを目的とした、英語、フランス語、中国語、日本語、韓国語を含む最初の多言語データセットML-Promiseを提案する。 企業環境への貢献がますます強調される中、このデータセットは、特にグリーンウォッシングのようなプラクティスを考慮して、企業の約束を評価するという課題に対処する。 また,テキストベースラインと画像ベースラインについても検討し,RAG(Research-augmented Generation)アプローチの有望な結果を得た。 この研究は、複数の言語やドメインにわたる公的なコミットメントのアカウンタビリティに関するさらなる議論を促進することを目的としている。

関連論文リスト

• Evaluating Cultural and Social Awareness of LLM Web Agents [113.49968423990616]
  CASAは,大規模言語モデルの文化的・社会的規範に対する感受性を評価するためのベンチマークである。 提案手法は,標準に違反するユーザクエリや観察を検知し,適切に応答するLLMエージェントの能力を評価する。 実験により、現在のLLMは非エージェント環境で大幅に性能が向上していることが示された。
  論文  参考訳（メタデータ） (2024-10-30T17:35:44Z)
• GlobeSumm: A Challenging Benchmark Towards Unifying Multi-lingual, Cross-lingual and Multi-document News Summarization [33.37163476772722]
  我々は,多言語,多言語,多文書の要約を新しいタスク,すなわちMCMSに統一し,実世界の要求をオールインワンでカプセル化することを目指している。 GLOBESUMMデータセットは、まず多言語ニュースレポートを多言語で収集し、イベント中心のフォーマットに再構成することで、慎重に構築した。
  論文  参考訳（メタデータ） (2024-10-05T08:56:44Z)
• A Survey on the Honesty of Large Language Models [115.8458596738659]
  正直とは、大きな言語モデル(LLM)を人間の価値と整合させる基本的な原則である。 将来性はあるものの、現在のLLMは依然として重大な不正直な行動を示す。
  論文  参考訳（メタデータ） (2024-09-27T14:34:54Z)
• TRACE: TRansformer-based Attribution using Contrastive Embeddings in LLMs [50.259001311894295]
  TRACE と呼ばれるコントラスト埋め込みを用いた新しいTRansformer-based Attribution フレームワークを提案する。 TRACEは情報源の属性を精度良く改善し,大規模言語モデルの信頼性と信頼性を高める貴重なツールであることを示す。
  論文  参考訳（メタデータ） (2024-07-06T07:19:30Z)
• Building Understandable Messaging for Policy and Evidence Review (BUMPER) with AI [0.3495246564946556]
  BUMPER(Building Understandable Messaging for Policy and Evidence Review)において,大規模言語モデル(LLM)を使用するためのフレームワークを導入する。 LLMは多様なメディアの大規模なデータベースを理解し合成するためのインタフェースを提供することができる。 この枠組みは、政策立案者に対する科学的証拠のアクセシビリティと信頼性を促進することができると我々は主張する。
  論文  参考訳（メタデータ） (2024-06-27T05:03:03Z)
• Towards Trustworthy AI: A Review of Ethical and Robust Large Language Models [1.7466076090043157]
  大きな言語モデル(LLM)は多くの分野を変革できるが、その急速な開発は、監視、倫理的創造、ユーザ信頼の構築に重大な課題を生み出している。 この総合的なレビューは、意図しない害、透明性の欠如、攻撃に対する脆弱性、人的価値との整合性、環境への影響など、LLMにおける重要な信頼の問題について考察する。 これらの課題に対処するため、倫理的監視、業界説明責任、規制、公的な関与を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2024-06-01T14:47:58Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• TrustScore: Reference-Free Evaluation of LLM Response Trustworthiness [58.721012475577716]
  大規模言語モデル(LLM)は、様々な領域にまたがる印象的な能力を示しており、その実践的応用が急増している。 本稿では,行動整合性の概念に基づくフレームワークであるTrustScoreを紹介する。
  論文  参考訳（メタデータ） (2024-02-19T21:12:14Z)
• Artificial Intelligence across Europe: A Study on Awareness, Attitude and Trust [39.35990066478082]
  この研究の目的は、ヨーロッパの文脈における人々の見解や認識をよりよく理解することである。 我々は,人々の意識,態度,信頼の3つの側面から構築された新しいアンケート(PAICE)を設計し,検証した。 暗黙の矛盾を強調し、信頼のエコシステムの形成を妨げる可能性のあるトレンドを特定します。
  論文  参考訳（メタデータ） (2023-08-19T11:00:32Z)
• EVI: Multilingual Spoken Dialogue Tasks and Dataset for Knowledge-Based Enrolment, Verification, and Identification [49.77911492230467]
  3つの認証タスクとその評価プロトコルを形式化する。 EVIは、英語、ポーランド語、フランス語で5,506の対話が可能な、難解な多言語データセットである。
  論文  参考訳（メタデータ） (2022-04-28T13:39:24Z)

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。