論文の概要: Auto-Drafting Police Reports from Noisy ASR Outputs: A Trust-Centered LLM Approach

• arxiv url: http://arxiv.org/abs/2502.07677v1
• Date: Tue, 11 Feb 2025 16:27:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:08:07.441520
• Title: Auto-Drafting Police Reports from Noisy ASR Outputs: A Trust-Centered LLM Approach
• Title（参考訳）: ノイズの多いASR出力からの自動ドラフト警察の報告:信頼中心のLLMアプローチ
• Authors: Param Kulkarni, Yingchi Liu, Hao-Ming Fu, Shaohua Yang, Isuru Gunasekara, Matt Peloquin, Noah Spitzer-Williams, Xiaotian Zhou, Xiaozhong Liu, Zhengping Ji, Yasser Ibrahim,
• Abstract要約: 本研究では,複雑な,騒々しい,複数ロールの対話データから,警察報告のドラフトを生成するために設計された,革新的なAI駆動システムを提案する。 我々のアプローチは、法執行機関の相互作用の重要な要素をインテリジェントに抽出し、ドラフトに含めます。 このフレームワークは、将来の警察行為において、レポートプロセスを変革し、監視、一貫性、公平性を高める可能性を秘めている。
• 参考スコア（独自算出の注目度）: 11.469965123352287
• License:
• Abstract: Achieving a delicate balance between fostering trust in law en- forcement and protecting the rights of both officers and civilians continues to emerge as a pressing research and product challenge in the world today. In the pursuit of fairness and transparency, this study presents an innovative AI-driven system designed to generate police report drafts from complex, noisy, and multi-role dialogue data. Our approach intelligently extracts key elements of law enforcement interactions and includes them in the draft, producing structured narratives that are not only high in quality but also reinforce accountability and procedural clarity. This frame- work holds the potential to transform the reporting process, ensur- ing greater oversight, consistency, and fairness in future policing practices. A demonstration video of our system can be accessed at https://drive.google.com/file/d/1kBrsGGR8e3B5xPSblrchRGj- Y-kpCHNO/view?usp=sharing
• Abstract（参考訳）: 法執行における信頼の育成と、官民双方の権利の保護の微妙なバランスを取ることは、今日の世界における研究と製品への挑戦として現れ続けている。 本研究は,公正さと透明性を追求する上で,複雑な,騒々しい,複数ロールの対話データから警察報告草案を生成するために設計された,革新的なAI駆動システムを提案する。 我々のアプローチは、法執行機関の相互作用の重要な要素をインテリジェントに抽出し、それらを草案に含め、高品質であるだけでなく、説明責任や手続き的明確性も強化する構造化された物語を創出する。 このフレームワークは、将来の警察行為において、レポートプロセスを変革し、監視、一貫性、公平性を高める可能性を秘めている。 デモビデオはhttps://drive.google.com/file/d/1kBrsGGR8e3B5xPSblrchRGj-Y-kpCHNO/view? usp=共有

関連論文リスト

• 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)
• Evidence of What, for Whom? The Socially Contested Role of Algorithmic Bias in a Predictive Policing Tool [0.9821874476902969]
  異なるグループの利害関係者が,ツールのアルゴリズムバイアスの多様な問題診断を明確化することを示す。 利害関係者は、警察パトロールアロケーションに関する政策を改定するためにアルゴリズムバイアスの証拠を利用する。 アルゴリズムバイアスの様々な利用の暗黙の仮定と範囲を証拠とみなす。
  論文  参考訳（メタデータ） (2024-05-13T13:03:33Z)
• KamerRaad: Enhancing Information Retrieval in Belgian National Politics through Hierarchical Summarization and Conversational Interfaces [55.00702535694059]
  KamerRaadは、大きな言語モデルを活用するAIツールで、市民がベルギーの政治情報と対話的に関わるのを助ける。 このツールは、議会の手続きから重要な抜粋を抽出し、簡潔に要約し、次いで生成AIに基づくインタラクションの可能性を示す。
  論文  参考訳（メタデータ） (2024-04-22T15:01:39Z)
• TELLER: A Trustworthy Framework for Explainable, Generalizable and Controllable Fake News Detection [37.394874500480206]
  本稿では,モデルの説明可能性,一般化性,制御性を重視した,信頼に値する偽ニュース検出のための新しいフレームワークを提案する。 これは認知と意思決定システムを統合するデュアルシステムフレームワークによって実現される。 提案手法の有効性と信頼性を実証し,4つのデータセットに対する総合的な評価結果を示す。
  論文  参考訳（メタデータ） (2024-02-12T16:41:54Z)
• A Multi-Perspective Machine Learning Approach to Evaluate Police-Driver Interaction in Los Angeles [18.379058918856717]
  州内で最も目に見えて接触した警察官は、交通停止中に年間2000万回以上、市民と交流している。 ボディウーンカメラ(BWC)は、警察の説明責任を高め、警察と公共の相互作用を改善する手段として用いられる。 本稿では、このBWC映像から音声、ビデオ、および転写情報を分析するために、新しいマルチパースペクティブ・マルチモーダル機械学習(ML)ツールを開発するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-24T19:56:20Z)
• Alignment for Honesty [105.72465407518325]
  最近の研究は、大きな言語モデル(LLM)を有用性と無害性と整合させることに大きく貢献している。 本稿は,LLMが知識の欠如に積極的に回答を拒むことを確実にする,エンフォネストリーにおけるアライメントの重要性を論じる。 これらの課題に対処するために、まずは正確な問題定義を確立し、儒教の分析に触発された「誠実さ」を定義します。
  論文  参考訳（メタデータ） (2023-12-12T06:10:42Z)
• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• Opportunities and Risks of LLMs for Scalable Deliberation with Polis [7.211025984598187]
  Polisは、マシンインテリジェンスを活用して、熟考プロセスをスケールアップするプラットフォームである。 本稿では,Large Language Models (LLMs) をポリスエンゲージメントの結果の促進,調整,要約といった課題に適用する機会とリスクについて考察する。
  論文  参考訳（メタデータ） (2023-06-20T22:52:51Z)
• Developing Speech Processing Pipelines for Police Accountability [22.711149484932527]
  警察のボディウーンのカメラは、警察の責任と透明性を向上する可能性がある。しかし実際には、何億時間もの映像がレビューされることはない。 本稿では,交通停止時の映像におけるASRと役員による音声検出に着目し,事前学習型大規模音声モデルの有効性について検討する。 提案するパイプラインには、トレーニングデータアライメントとフィルタリング、リソース制約による微調整、完全自動化アプローチのための役員音声検出とASRの組み合わせが含まれる。
  論文  参考訳（メタデータ） (2023-06-09T17:48:58Z)
• Trustworthy AI [75.99046162669997]
  入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。 我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
  論文  参考訳（メタデータ） (2020-11-02T20:04:18Z)
• Tree-Structured Policy based Progressive Reinforcement Learning for Temporally Language Grounding in Video [128.08590291947544]
  非トリミングビデオにおける一時的言語接地は、ビデオ理解における新たな課題である。 ヒトの粗大な意思決定パラダイムにインスパイアされた我々は、新しい木構造政策に基づくプログレッシブ強化学習フレームワークを定式化した。
  論文  参考訳（メタデータ） (2020-01-18T15:08:04Z)

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。