論文の概要: Leveraging LLMs for Predictive Insights in Food Policy and Behavioral Interventions

• arxiv url: http://arxiv.org/abs/2411.08563v1
• Date: Wed, 13 Nov 2024 12:21:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:11:24.605802
• Title: Leveraging LLMs for Predictive Insights in Food Policy and Behavioral Interventions
• Title（参考訳）: 食品政策と行動介入の予測指標としてのLCMの活用
• Authors: Micha Kaiser, Paul Lohmann, Peter Ochieng, Billy Shi, Cass R. Sunstein, Lucia A. Reisch,
• Abstract要約: 食料消費と生産は温室効果ガスの排出に大きく貢献する。 食品政策のイニシアチブは、生産と消費のパターンを再構築するための介入を探求してきた。 本稿では,微調整された大言語モデル(LLM)が結果の方向を正確に予測できることを実証する。
• 参考スコア（独自算出の注目度）: 1.979158763744267
• License:
• Abstract: Food consumption and production contribute significantly to global greenhouse gas emissions, making them crucial entry points for mitigating climate change and maintaining a liveable planet. Over the past two decades, food policy initiatives have explored interventions to reshape production and consumption patterns, focusing on reducing food waste and curbing ruminant meat consumption. While the evidence of "what works" improves, evaluating which policies are appropriate and effective in specific contexts remains difficult due to external validity challenges. This paper demonstrates that a fine-tuned large language model (LLM) can accurately predict the direction of outcomes in approximately 80\% of empirical studies measuring dietary-based impacts (e.g. food choices, sales, waste) resulting from behavioral interventions and policies. Approximately 75 prompts were required to achieve optimal results, with performance showing signs of catastrophic loss beyond this point. Our findings indicate that greater input detail enhances predictive accuracy, although the model still faces challenges with unseen studies, underscoring the importance of a representative training sample. As LLMs continue to improve and diversify, they hold promise for advancing data-driven, evidence-based policymaking.
• Abstract（参考訳）: 食料消費と生産は温室効果ガスの排出に大きく寄与し、気候変動を緩和し、生きた惑星を維持するための重要な入り口となっている。 過去20年間、食品政策のイニシアチブは、食品廃棄物の削減と反響肉の消費抑制に焦点をあてて、生産と消費のパターンを再構築するための介入を模索してきた。 「何が機能するのか」の証拠は改善するが、どの政策が特定の文脈で適切かつ効果的かを評価することは、外部の妥当性の問題から難しいままである。 本稿では,食事による影響(食品の選択,販売,廃棄物など)を,行動介入や政策によって測定した実験研究の約80%において,微調整された大規模言語モデル(LLM)が,結果の方向性を正確に予測できることを実証する。 最適な結果を得るためにはおよそ75のプロンプトが必要であり、この点を超える破滅的な損失の兆候を示す性能を示した。 以上の結果から,入力精度が向上すると予測精度が向上することが示唆された。 LLMは改善と多様化を続けており、データ駆動のエビデンスベースの政策策定を進めることを約束している。

関連論文リスト

• From Bytes to Bites: Using Country Specific Machine Learning Models to Predict Famine [0.0]
  本研究では、飢餓と飢餓の危機に関する意思決定を予測し、伝達するために機械学習をどのように利用できるかを検討する。 経済指標は一貫して平均的な家庭栄養の最も重要な予測要因であった。
  論文  参考訳（メタデータ） (2024-09-16T04:23:06Z)
• Improving Fast Adversarial Training Paradigm: An Example Taxonomy Perspective [61.38753850236804]
  高速対人訓練 (FAT) は, 効率的な訓練を行うために提案され, 熱い研究課題となっている。 FATは破滅的なオーバーフィッティングに悩まされ、多段階の逆行訓練と比較してパフォーマンスが低下する。 本稿では, FATにおける内的最適化と外的最適化のバランスが不均衡であることから, 破滅的なオーバーフィッティングが原因であることが確認された FAT の分類例を示す。
  論文  参考訳（メタデータ） (2024-07-22T03:56:27Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Forecasting trends in food security with real time data [0.0]
  我々は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測する定量的手法を提案する。 この手法は、World Food Programmeのグローバルな飢餓モニタリングシステムから入手可能なデータに基づいて構築されている。
  論文  参考訳（メタデータ） (2023-12-01T14:42:37Z)
• Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
  2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。 気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。 本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
  論文  参考訳（メタデータ） (2023-10-24T15:15:28Z)
• Assessing the Causal Impact of Humanitarian Aid on Food Security [4.934192277899036]
  本稿ではアフリカのホーンに対する因果推論の枠組みを紹介する。 現金による介入が食糧危機に与える影響を評価することを目的としている。
  論文  参考訳（メタデータ） (2023-10-17T14:09:45Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• An Intelligent Passive Food Intake Assessment System with Egocentric Cameras [14.067860492694251]
  栄養失調は低所得国(LMIC)の主要な公衆衛生問題である 我々は,エゴセントリックカメラを用いた知的受動的摂食評価システムの実装を提案する。 摂取量を確実に監視し、ユーザの食行動にフィードバックを与えることができます。
  論文  参考訳（メタデータ） (2021-05-07T09:47:51Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。