論文の概要: CryptoLLM: Unleashing the Power of Prompted LLMs for SmartQnA and Classification of Crypto Posts

• arxiv url: http://arxiv.org/abs/2411.07917v1
• Date: Tue, 12 Nov 2024 16:49:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:17:15.013679
• Title: CryptoLLM: Unleashing the Power of Prompted LLMs for SmartQnA and Classification of Crypto Posts
• Title（参考訳）: CryptoLLM: SmartQnAのためのプロンプトLDMのパワーと暗号ポストの分類
• Authors: Aniket Deroy, Subhankar Maity,
• Abstract要約: 本研究は暗号通貨の理解とフィルタリングを強化することを目的としている。 我々は、reditポストとtwitterポストの分類タスクを解決するために、プロンプトベースの手法を用いてきた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The rapid growth of social media has resulted in an large volume of user-generated content, particularly in niche domains such as cryptocurrency. This task focuses on developing robust classification models to accurately categorize cryptocurrency-related social media posts into predefined classes, including but not limited to objective, positive, negative, etc. Additionally, the task requires participants to identify the most relevant answers from a set of posts in response to specific questions. By leveraging advanced LLMs, this research aims to enhance the understanding and filtering of cryptocurrency discourse, thereby facilitating more informed decision-making in this volatile sector. We have used a prompt-based technique to solve the classification task for reddit posts and twitter posts. Also, we have used 64-shot technique along with prompts on GPT-4-Turbo model to determine whether a answer is relevant to a question or not.
• Abstract（参考訳）: ソーシャルメディアの急速な成長は、特に暗号通貨のようなニッチな領域において、大量のユーザー生成コンテンツを生み出した。 この課題は、暗号通貨関連のソーシャルメディア投稿を、客観的、ポジティブ、ネガティブなどに限らず、事前に定義されたクラスに正確に分類する堅牢な分類モデルの開発に焦点を当てる。 さらに、このタスクでは、参加者は特定の質問に応答して、投稿の集合から最も関連性の高い回答を識別する必要がある。 本研究は,先進的なLCMを活用することにより,暗号通貨の理解とフィルタリングを強化し,この不安定な分野におけるより情報に富んだ意思決定を容易にすることを目的とする。 我々は、reditポストとtwitterポストの分類タスクを解決するために、プロンプトベースの手法を用いてきた。 また,64ショット手法とGPT-4-Turboモデルのプロンプトを用いて,回答が質問に関連があるか否かを判定した。

関連論文リスト

• GUIDEQ: Framework for Guided Questioning for progressive informational collection and classification [16.66633426354087]
  質問回答(QA)は、情報収集によるテキスト分類などのタスクにおいて重要な部分である。 当社のGUIDEQは、ガイド付き質問に対して、部分的な情報をさらに前進させるための新しいフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-11-08T22:03:54Z)
• Co-Trained Retriever-Generator Framework for Question Generation in Earnings Calls [26.21777910802591]
  本稿は、決算報告のコンテキストに特化して設計されたマルチクエストジェネレーション(MQG)タスクの先駆者である。 当社の手法は、収支報告書の総括収集と、潜在的な質問を分類するための新しいアノテーション技術を含む。 アナリストが提示する可能性のある潜在的な質問のスペクトルを生成するための中核的な目的として、私たちはこれらを直接、収支報告の内容から導き出します。
  論文  参考訳（メタデータ） (2024-09-27T12:04:58Z)
• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• PerkwE_COQA: Enhanced Persian Conversational Question Answering by combining contextual keyword extraction with Large Language Models [0.8057006406834466]
  本稿では,ペルシア語対話型質問応答システム(CQA)の性能向上のための新しい手法を提案する。 LLM(Large Language Models)と文脈キーワード抽出の長所を組み合わせる。 提案手法は,暗黙的な質問を効果的に処理し,文脈に関連のある回答を提示し,会話の文脈に大きく依存する複雑な質問に対処する。
  論文  参考訳（メタデータ） (2024-04-08T11:14:58Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• Deciphering the Crypto-shopper: Knowledge and Preferences of Consumers Using Cryptocurrencies for Purchases [0.30723404270319693]
  本研究では,暗号通貨を用いて買い物をする人々の知識,専門知識,購入習慣について検討する。 516名の被験者を対象に調査を行ったところ,知識レベルは初心者から専門家まで様々であった。 回答者の約30%は、限られた知識にもかかわらず高い購入頻度を示した。
  論文  参考訳（メタデータ） (2023-10-04T15:48:28Z)
• Pushing the Limits of ChatGPT on NLP Tasks [79.17291002710517]
  ChatGPTの成功にもかかわらず、ほとんどのNLPタスクのパフォーマンスは教師付きベースラインよりかなり低い。 そこで本研究では,原因を調べた結果,以下の要因が原因であることが判明した。 NLPタスクにおけるChatGPTの限界を押し上げるために,これらの問題に対処する汎用モジュールの集合を提案する。
  論文  参考訳（メタデータ） (2023-06-16T09:40:05Z)
• TSGP: Two-Stage Generative Prompting for Unsupervised Commonsense Question Answering [4.965306353273393]
  教師なしのコモンセンス質問応答には、ラベル付きタスクデータに頼らずに効果的なコモンセンス知識をマイニングする必要がある。 2段階のプロンプトに基づく教師なしコモンセンス質問応答フレームワーク(TSGP)を提案する。 CommonsenseQA、OpenBookQA、SocialIQAの3つの異なる共通センス推論タスクに関する実験結果と分析により、TSGPは教師なし設定における言語モデルの推論能力を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2022-11-24T10:19:24Z)
• Multifaceted Improvements for Conversational Open-Domain Question Answering [54.913313912927045]
  対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。 第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。 第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。 第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
  論文  参考訳（メタデータ） (2022-04-01T07:54:27Z)
• The Influence of Domain-Based Preprocessing on Subject-Specific Clustering [55.41644538483948]
  大学におけるオンライン教育の大部分を突然移行させることで、学者の作業負荷が増大した。 この問題に対処するひとつの方法は、トピックに応じてこれらの質問をクラスタ化することです。 本稿では,タグ付けデータセットの領域を探求し,コードの抜粋の同定と経験的結果の提供に焦点をあてる。
  論文  参考訳（メタデータ） (2020-11-16T17:47:19Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)

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。