論文の概要: Early Impacts of M365 Copilot

• arxiv url: http://arxiv.org/abs/2504.11443v1
• Date: Tue, 15 Apr 2025 17:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:05:33.911290
• Title: Early Impacts of M365 Copilot
• Title（参考訳）: M365コパイロットの早期影響
• Authors: Eleanor Wiske Dillon, Sonia Jaffe, Sida Peng, Alexia Cambon,
• Abstract要約: 我々は、AIがいかにして知識労働者の仕事の仕方を変えつつあるかについて、最も初期の証拠をいくつか提示する。 さまざまな産業や職業において、共通コアタスクの大幅な削減が期待できる。 技術が新しくなったにもかかわらず、ツールにアクセスできる労働者の40%近くが、6ヶ月にわたる研究で定期的に利用している。
• 参考スコア（独自算出の注目度）: 12.676018679245672
• License:
• Abstract: Advances in generative AI have rapidly expanded the potential of computers to perform or assist in a wide array of tasks traditionally performed by humans. We analyze a large, real-world randomized experiment of over 6,000 workers at 56 firms to present some of the earliest evidence on how these technologies are changing the way knowledge workers do their jobs. We find substantial time savings on common core tasks across a wide range of industries and occupations: workers who make use of this technology spent half an hour less reading email each week and completed documents 12% faster. Despite the newness of the technology, nearly 40% of workers who were given access to the tool used it regularly in their work throughout the 6-month study.
• Abstract（参考訳）: 生成AIの進歩は、人間が伝統的に行ってきた幅広いタスクの実行や支援を行うコンピュータの可能性を急速に拡大してきた。 56の企業で6000人以上の労働者をランダム化した大規模なランダム化実験を分析し、これらの技術がどのように知識労働者の仕事の仕方を変えているかについて、最も初期の証拠をいくつか提示する。 この技術を利用する労働者は、週に30時間もメールを読んでいないし、文書の完成も12%速くなりました。 技術が新しくなったにもかかわらず、ツールにアクセスできる労働者の40%近くが、6ヶ月にわたる研究で定期的に利用している。

関連論文リスト

• SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
  タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。 我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
  論文  参考訳（メタデータ） (2024-10-23T17:42:07Z)
• How much does AI impact development speed? An enterprise-based randomized controlled trial [8.759453531975668]
  複雑なエンタープライズレベルのタスクに開発者が費やす時間に対する3つのAI機能の影響を見積もる。 また、コード関連のアクティビティに1日あたり何時間も費やす開発者は、AIがより速くなるという興味深い効果も見出しました。
  論文  参考訳（メタデータ） (2024-10-16T18:31:14Z)
• Generative artificial intelligence usage by researchers at work: Effects of gender, career stage, type of workplace, and perceived barriers [0.0]
  近年, 次世代人工知能技術の研究環境への統合が盛んに行われている。 本稿では,プロの環境における研究者間の生成AIの利用頻度の要因を探究する。
  論文  参考訳（メタデータ） (2024-08-31T22:00:21Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• Reinforcement Learning with Foundation Priors: Let the Embodied Agent Efficiently Learn on Its Own [59.11934130045106]
  我々は、政策、価値、成功-回帰基盤モデルからのガイダンスとフィードバックを活用するために、RLFP(Reinforcement Learning with Foundation Priors)を提案する。 本フレームワークでは,自動報酬関数を用いてより効率的にエージェントを探索できるファウンデーション誘導型アクター・クリティカル(FAC)アルゴリズムを導入する。 本手法は,実ロボットとシミュレーションの両方において,様々な操作タスクにおいて顕著な性能を実現する。
  論文  参考訳（メタデータ） (2023-10-04T07:56:42Z)
• Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
  本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。 論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
  論文  参考訳（メタデータ） (2023-09-22T01:06:32Z)
• Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
  1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。 我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
  論文  参考訳（メタデータ） (2023-06-15T14:08:07Z)
• Remote Collaboration Fuses Fewer Breakthrough Ideas [40.14431045018876]
  リモートチームの研究者は、ブレークスルーを発見する可能性が一貫して低いことを示しています。 分散チームのメンバの間では、コラボレーションセンターが、より体系化された知識を含む技術的なタスクの後期にあることが分かりました。
  論文  参考訳（メタデータ） (2022-06-04T02:19:25Z)
• Accelerating Robotic Reinforcement Learning via Parameterized Action Primitives [92.0321404272942]
  強化学習は汎用ロボットシステムの構築に使用することができる。 しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。 本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。 動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
  論文  参考訳（メタデータ） (2021-10-28T17:59:30Z)

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。