論文の概要: PalimpChat: Declarative and Interactive AI analytics
- arxiv url: http://arxiv.org/abs/2502.03368v1
- Date: Wed, 05 Feb 2025 17:06:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-06 14:27:49.526567
- Title: PalimpChat: Declarative and Interactive AI analytics
- Title（参考訳）: PalimpChat: 宣言的でインタラクティブなAI分析
- Authors: Chunwei Liu, Gerardo Vitagliano, Brandon Rose, Matt Prinz, David Andrew Samson, Michael Cafarella,
- Abstract要約: PalimpChatはチャットベースのPalimpzestインターフェースで、ユーザーは自然言語だけでAIパイプラインを作成し、実行することができる。
本稿では、PalimpChatがPalimpzestによってどのようにサポートされ、バイオメディカルデータの抽出や分析などの複雑なAIを単純化するかに焦点を当てる。
- 参考スコア（独自算出の注目度）: 1.2459640825465303
- License:
- Abstract: Thanks to the advances in generative architectures and large language models, data scientists can now code pipelines of machine-learning operations to process large collections of unstructured data. Recent progress has seen the rise of declarative AI frameworks (e.g., Palimpzest, Lotus, and DocETL) to build optimized and increasingly complex pipelines, but these systems often remain accessible only to expert programmers. In this demonstration, we present PalimpChat, a chat-based interface to Palimpzest that bridges this gap by letting users create and run sophisticated AI pipelines through natural language alone. By integrating Archytas, a ReAct-based reasoning agent, and Palimpzest's suite of relational and LLM-based operators, PalimpChat provides a practical illustration of how a chat interface can make declarative AI frameworks truly accessible to non-experts. Our demo system is publicly available online. At SIGMOD'25, participants can explore three real-world scenarios--scientific discovery, legal discovery, and real estate search--or apply PalimpChat to their own datasets. In this paper, we focus on how PalimpChat, supported by the Palimpzest optimizer, simplifies complex AI workflows such as extracting and analyzing biomedical data.
- Abstract（参考訳）: 生成アーキテクチャと大規模言語モデルの進歩により、データサイエンティストは機械学習操作のパイプラインをコーディングして、非構造化データの大規模なコレクションを処理できるようになった。
最近の進歩では、最適化された複雑なパイプラインを構築するための宣言型AIフレームワーク(Palimpzest、Lotus、DocETLなど)が台頭している。
このデモでは、チャットベースのPalimpChatを紹介します。Palimpzestは、ユーザーが自然言語だけで洗練されたAIパイプラインを作成して実行することで、このギャップを埋めます。
ReActベースの推論エージェントであるArchitasと、PalimpzestのリレーショナルおよびLLMベースのオペレータスイートを統合することで、PalimpChatは、チャットインターフェースが宣言型AIフレームワークを非専門家に真にアクセスできるようにするための実践的な例を提供する。
私たちのデモシステムはオンラインで公開されています。
SIGMOD'25では、参加者は科学的発見、法的発見、不動産検索という3つの現実世界シナリオを探索したり、PalimpChatを自身のデータセットに適用することができる。
本稿では,PalimpzestオプティマイザがサポートしているPalimpChatが,バイオメディカルデータの抽出や解析などの複雑なAIワークフローを単純化する方法について述べる。
関連論文リスト
- Customizable LLM-Powered Chatbot for Behavioral Science Research [6.084958172018792]
LLM(Large Language Models)は、人間のコミュニケーションによく似たテキストを生成する。
チャットボットの潜在的な実用性は、特に研究の文脈において、従来のアプリケーションを超越している。
本研究では,行動科学研究を支援するためのCLPC(Customizable LLM-Powered)システムを提案する。
論文 参考訳（メタデータ） (2025-01-09T19:27:28Z) - Seq2Seq Model-Based Chatbot with LSTM and Attention Mechanism for Enhanced User Interaction [1.937324318931008]
本研究では、注意機構とLong Short-Term Memory(LSTM)セルを組み込んだエンコーダデコーダアーキテクチャを備えたSeq2Seqモデルを提案する。
提案されているSeq2Seqモデルベースのロボットは、モロッコのドラア・タフィラレ(Draa-Tafilalet)にある観光セクター向けのデータセットで訓練され、検証され、テストされている。
論文 参考訳（メタデータ） (2024-12-27T23:50:54Z) - Language Model Powered Digital Biology with BRAD [5.309032614374711]
大規模言語モデル(LLM)は構造化されていない統合に適しています。
バイオインフォマティクス検索デジタルアシスタント(BRAD)の試作について紹介する。
論文 参考訳（メタデータ） (2024-09-04T16:43:14Z) - CoXQL: A Dataset for Parsing Explanation Requests in Conversational XAI Systems [15.403790602937587]
大規模言語モデル(LLM)に基づく会話説明型人工知能(ConvXAI)システムは,研究コミュニティから大きな関心を集めている。
我々は、ConvXAIでユーザ意図認識のための最初のデータセットであるCoXQLを紹介し、31のインテントをカバーし、そのうち7つは複数のスロットを埋める必要がある。
我々は,改良された解析手法 (MP+) が従来の手法よりも優れていると結論付けた。
論文 参考訳（メタデータ） (2024-06-12T11:27:10Z) - Crafting Knowledge: Exploring the Creative Mechanisms of Chat-Based
Search Engines [3.5845457075304368]
本研究の目的は,LLMを利用した検索エンジン,特にBing Chatが応答情報ソースを選択するメカニズムを解明することである。
Bing Chatは読みやすく、形式的に構造化されたコンテンツを好むだけでなく、より低いパープレキシティレベルを示す。
本調査では,RAG技術が引用するWebサイトと従来の検索エンジンの上位のWebサイトとの類似性を比較検討した。
論文 参考訳（メタデータ） (2024-02-29T18:20:37Z) - GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training
Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。
Jupyter NotebookベースのウォークスルーがGitHubで公開されている。
GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文 参考訳（メタデータ） (2023-06-02T12:09:59Z) - Explaining Patterns in Data with Language Models via Interpretable
Autoprompting [143.4162028260874]
本稿では,データを説明する自然言語文字列を生成するアルゴリズムである,解釈可能なオートプロンプト(iPrompt)を提案する。
iPromptは、基盤となるデータセット記述を正確に見つけることで、意味のある洞察を得ることができる。
fMRIデータセットを用いた実験は、iPromptが科学的発見に役立つ可能性を示している。
論文 参考訳（メタデータ） (2022-10-04T18:32:14Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - "What Do You Mean by That?" A Parser-Independent Interactive Approach
for Enhancing Text-to-SQL [49.85635994436742]
ループ内に人間を包含し,複数質問を用いてユーザと対話する,新規非依存型対話型アプローチ(PIIA)を提案する。
PIIAは、シミュレーションと人的評価の両方を用いて、限られたインタラクションターンでテキストとドメインのパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2020-11-09T02:14:33Z) - Conversations with Search Engines: SERP-based Conversational Response
Generation [77.1381159789032]
我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。
また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。
CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
論文 参考訳（メタデータ） (2020-04-29T13:07:53Z) - Plato Dialogue System: A Flexible Conversational AI Research Platform [64.82999992143448]
PlatoはPythonで書かれた柔軟な会話型AIプラットフォームで、あらゆる種類の対話型エージェントアーキテクチャをサポートする。
Platoは理解しやすく、デバッグしやすいように設計されており、各コンポーネントをトレーニングする基盤となる学習フレームワークに依存しない。
論文 参考訳（メタデータ） (2020-01-17T18:27:29Z)
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。