Fugu-MT 論文翻訳(概要): Demand for LLMs: Descriptive Evidence on Substitution, Market Expansion, and Multihoming

論文の概要: Demand for LLMs: Descriptive Evidence on Substitution, Market Expansion, and Multihoming

arxiv url: http://arxiv.org/abs/2504.15440v1
Date: Mon, 21 Apr 2025 21:12:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-01 01:21:51.555235
Title: Demand for LLMs: Descriptive Evidence on Substitution, Market Expansion, and Multihoming
Title（参考訳）: LLMの需要:代替・市場拡大・マルチホーミングに関する説明的証拠
Authors: Andrey Fradkin,
Abstract要約: 新しいモデルは、数週間以内に安定する急激な初期採用を経験する。モデルリリースは、主に新規ユーザーを惹きつけるか、競合するモデルからの需要を代替するかで大きく異なる。複数のモデルを同時に使用するマルチホーミングは、アプリに共通している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper documents three stylized facts about the demand for Large Language Models (LLMs) using data from OpenRouter, a prominent LLM marketplace. First, new models experience rapid initial adoption that stabilizes within weeks. Second, model releases differ substantially in whether they primarily attract new users or substitute demand from competing models. Third, multihoming, using multiple models simultaneously, is common among apps. These findings suggest significant horizontal and vertical differentiation in the LLM market, implying opportunities for providers to maintain demand and pricing power despite rapid technological advances.
Abstract（参考訳）: 本稿では,LLMマーケットプレースであるOpenRouterのデータを用いて,LLM(Large Language Models)の需要に関する3つのスタイル化された事実を述べる。まず、新しいモデルは数週間以内に安定する急激な初期採用を経験する。第二に、モデルリリースは、主に新規ユーザーを惹きつけるか、競合モデルからの需要を代替するかで大きく異なる。第三に、複数のモデルを同時に使用するマルチホーミングは、アプリに共通している。これらの結果から,LLM市場における水平および垂直の分化が著しいことが示唆され,急速な技術進歩にもかかわらず,需要と価格の維持の機会が示唆された。

関連論文リスト

HaploVL: A Single-Transformer Baseline for Multi-Modal Understanding [67.24430397016275]
そこで本稿では,マルチモーダル入力を早期に融合し,自動回帰方式で視覚的指示に応答できる新しいアーリーフュージョンLMMを提案する。提案モデルでは,1つの変圧器を用いた他のLMMと比較して優れた性能を示し,合成LMMによる性能ギャップを著しく狭めている。
論文参考訳（メタデータ） (2025-03-12T06:01:05Z)
LLMs are Also Effective Embedding Models: An In-depth Overview [40.53941563464671]
大規模言語モデル(LLM)は、様々なタスクで最先端のパフォーマンスを達成することによって、自然言語処理に革命をもたらした。近年、埋め込みモデルとしての有効性が注目され、ELMoやBERTのような従来のエンコーダのみのモデルから、GPT、LLaMA、Mistralのようなデコーダのみの大規模LLMへとパラダイムシフトした。
論文参考訳（メタデータ） (2024-12-17T06:48:24Z)
Multi-Modal Generative AI: Multi-modal LLM, Diffusion and Beyond [48.43910061720815]
マルチモーダル生成AIは、学術と産業の両方で注目を集めている。理解と生成の両方に統一されたモデルを持つことは可能か?
論文参考訳（メタデータ） (2024-09-23T13:16:09Z)
Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文参考訳（メタデータ） (2024-08-14T16:58:48Z)
Comparison of Open-Source and Proprietary LLMs for Machine Reading Comprehension: A Practical Analysis for Industrial Applications [0.0]
大規模言語モデル(LLM)は、最近、様々な自然言語処理(NLP)アプリケーションで顕著な性能を示した。本稿では,オープンソースLLMとプロプライエタリモデルの比較分析を行う。
論文参考訳（メタデータ） (2024-06-19T17:11:51Z)
Are Small Language Models Ready to Compete with Large Language Models for Practical Applications? [0.9217021281095907]
本研究は,小規模かつオープンなLMを実用的に評価する枠組みを提案する。また、特定のアプリケーション要件に応じて、最高のLMとプロンプトスタイルを特定するために、10個のオープンなLMの詳細な比較を行う。選択された小さいLMは、DeepSeek-v2, GPT-4o, GPT-4o-mini, Gemini-1.5-ProなどのSOTA LLMより優れ、GPT-4oと競合する。
論文参考訳（メタデータ） (2024-06-17T10:45:36Z)
Using Large Language Models to Understand Telecom Standards [35.343893798039765]
大きな言語モデル(LLM)は、関連する情報へのより高速なアクセスを提供する。質問応答(QA)アシスタントとして使用される最先端のLCMの性能を評価する。その結果,LLMはテレコム技術文書の信頼できる参照ツールとして利用できることがわかった。
論文参考訳（メタデータ） (2024-04-02T09:54:51Z)
A Review of Multi-Modal Large Language and Vision Models [1.9685736810241874]
大規模言語モデル(LLM)が研究と応用の焦点として登場した。近年、LLMはマルチモーダル大言語モデル(MM-LLM)に拡張されている。本稿では,近年のMM-LLMとともに,マルチモーダル機能を有するLLMの現状を概観する。
論文参考訳（メタデータ） (2024-03-28T15:53:45Z)
Model Composition for Multimodal Large Language Models [71.5729418523411]
本稿では,既存のMLLMのモデル構成による新しいパラダイムを提案する。我々の基本的な実装であるNaiveMCは、モダリティエンコーダを再利用し、LLMパラメータをマージすることで、このパラダイムの有効性を実証する。
論文参考訳（メタデータ） (2024-02-20T06:38:10Z)
Knowledge Fusion of Large Language Models [73.28202188100646]
本稿では,大規模言語モデル(LLM)における知識融合の概念を紹介する。我々は、それらの集合的知識と独特な強みを外部化し、それによってターゲットモデルの能力が、どのソースLLMよりも高められるようにします。この結果から,LLMの融合により,推論やコモンセンス,コード生成など,対象モデルの性能が向上することが確認された。
論文参考訳（メタデータ） (2024-01-19T05:02:46Z)
Know Your Needs Better: Towards Structured Understanding of Marketer Demands with Analogical Reasoning Augmented LLMs [22.619903994607792]
我々は,非専門家のマーケターが,自然言語形式の要求のみを前提としたターゲットユーザを選択できる,ユーザターゲティングの新しい方法を探究する。本稿では,2つのモジュールからなるALALLMを提案する。
論文参考訳（メタデータ） (2024-01-09T02:25:23Z)
A Survey on Multimodal Large Language Models [71.63375558033364]
GPT-4Vで表されるマルチモーダル大言語モデル(MLLM)は、新たな研究ホットスポットとなっている。本稿では,MLLMの最近の進歩を追跡・要約することを目的とする。
論文参考訳（メタデータ） (2023-06-23T15:21:52Z)

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。