論文の概要: WaLLM -- Insights from an LLM-Powered Chatbot deployment via WhatsApp
- arxiv url: http://arxiv.org/abs/2505.08894v1
- Date: Tue, 13 May 2025 18:36:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-15 21:44:09.26955
- Title: WaLLM -- Insights from an LLM-Powered Chatbot deployment via WhatsApp
- Title（参考訳）: WaLLM -- WhatsAppによるLLMベースのチャットボットデプロイメントからの洞察
- Authors: Hiba Eltigani, Rukhshan Haroon, Asli Kocak, Abdullah Bin Faisal, Noah Martin, Fahad Dogar,
- Abstract要約: 発展途上国では、永続的なデジタル分割のため、情報へのアクセスは依然として困難である。
私たちはWhatsApp上のカスタムAIボット、WaLLMを開発しました。
当社のサービスは6ヶ月以上運用されており、約100人のユーザから14.7K以上のクエリを収集しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in generative AI, such as ChatGPT, have transformed access to information in education, knowledge-seeking, and everyday decision-making. However, in many developing regions, access remains a challenge due to the persistent digital divide. To help bridge this gap, we developed WaLLM - a custom AI chatbot over WhatsApp, a widely used communication platform in developing regions. Beyond answering queries, WaLLM offers several features to enhance user engagement: a daily top question, suggested follow-up questions, trending and recent queries, and a leaderboard-based reward system. Our service has been operational for over 6 months, amassing over 14.7K queries from approximately 100 users. In this paper, we present WaLLM's design and a systematic analysis of logs to understand user interactions. Our results show that 55% of user queries seek factual information. "Health and well-being" was the most popular topic (28%), including queries about nutrition and disease, suggesting users view WaLLM as a reliable source. Two-thirds of users' activity occurred within 24 hours of the daily top question. Users who accessed the "Leaderboard" interacted with WaLLM 3x as those who did not. We conclude by discussing implications for culture-based customization, user interface design, and appropriate calibration of users' trust in AI systems for developing regions.
- Abstract（参考訳）: ChatGPTのような生成AIの最近の進歩は、教育、知識探索、日々の意思決定といった情報へのアクセスを変革している。
しかし、多くの発展途上国では、永続的なデジタル分割のためにアクセスが困難である。
このギャップを埋めるために、私たちは、発展途上国で広く使用されているコミュニケーションプラットフォームであるWhatsApp上のカスタムAIチャットボットであるWaLLMを開発しました。
質問への回答以外にも、WaLLMには、日々のトップイシュー、フォローアップに関する提案、トレンドと最近のクエリ、リーダーボードベースの報酬システムなど、ユーザエンゲージメントを高めるためのいくつかの機能がある。
当社のサービスは6ヶ月以上運用されており、約100人のユーザから14.7K以上のクエリを収集しています。
本稿では,ユーザインタラクションを理解するために,WaLLMの設計とログの体系的解析を行う。
その結果,ユーザクエリの55%が事実情報を求めていることがわかった。
健康と幸福」が最もポピュラーな話題(28%)は栄養と病気に関する質問で、ユーザーはWaLLMを信頼できる情報源とみなす。
ユーザーの活動の3分の2は、毎日の質問から24時間以内に起こった。
リーダーボード」にアクセスしたユーザーは、WALLM 3xと対話した。
我々は,文化に基づくカスタマイズ,ユーザインターフェース設計,および開発途上国におけるAIシステムに対するユーザの信頼度を適切に調整することの意味を論じて結論付けた。
関連論文リスト
- Know Me, Respond to Me: Benchmarking LLMs for Dynamic User Profiling and Personalized Responses at Scale [51.9706400130481]
大規模言語モデル(LLM)は、幅広いタスクでユーザのためのパーソナライズされたアシスタントとして登場した。
PERSONAMEMは180以上のユーザ-LLMインタラクション履歴を持つキュレートされたユーザプロファイルを備えている。
LLMチャットボットのユーザプロファイルの現在状況に応じて,最も適切な応答を識別する能力を評価する。
論文 参考訳（メタデータ） (2025-04-19T08:16:10Z) - Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。
本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
論文 参考訳（メタデータ） (2025-02-21T20:29:02Z) - Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。
Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。
本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
論文 参考訳（メタデータ） (2024-08-09T19:21:14Z) - WildChat: 1M ChatGPT Interaction Logs in the Wild [88.05964311416717]
WildChatは100万件のユーザー・チャットGPT会話のコーパスで、250万回以上のインタラクション・ターンで構成されている。
タイムスタンプによるチャットの書き起こしに加えて、州、国、ハッシュIPアドレスを含む人口統計データでデータセットを豊かにします。
論文 参考訳（メタデータ） (2024-05-02T17:00:02Z) - Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference [48.99117537559644]
人間の好みに基づいた大規模言語モデル(LLM)を評価するオープンプラットフォームであるArenaを紹介する。
本手法は,クラウドソーシングを通じて,多種多様なユーザベースからのインプットを活用する。
本稿では,このプラットフォームについて述べるとともに,これまでに収集したデータを分析し,実際に使用している統計的手法について説明する。
論文 参考訳（メタデータ） (2024-03-07T01:22:38Z) - Unveiling Inclusiveness-Related User Feedback in Mobile Applications [7.212232917917022]
Reddit、Google Play Store、Xからのフィードバックを、世界で最も人気のある50のアプリに活用しています。
社会-技術基盤理論のアプローチを用いて,3つの情報源にまたがる22,000のポストを分析した。
我々は, アルゴリズムバイアス, 技術, デモグラフィ, アクセシビリティ, その他の人的価値の5つのカテゴリからなる包括性に関する分類を整理した。
論文 参考訳（メタデータ） (2023-11-02T04:05:46Z) - Improving Conversational Question Answering Systems after Deployment
using Feedback-Weighted Learning [69.42679922160684]
本稿では,二元的ユーザフィードバックを用いた初期教師付きシステムを改善するために,重要サンプリングに基づくフィードバック重み付き学習を提案する。
当社の作業は,実際のユーザとのインタラクションを活用し,デプロイ後の会話システムを改善する可能性を開くものだ。
論文 参考訳（メタデータ） (2020-11-01T19:50:34Z) - Study of the usability of LinkedIn: a social media platform meant to
connect employers and employees [91.3755431537592]
本稿では,LinkedInのユーザビリティをユーザ評価と専門家評価の両方を用いて評価する。
LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。
論文 参考訳（メタデータ） (2020-06-06T18:19:45Z) - Information Seeking in the Spirit of Learning: a Dataset for
Conversational Curiosity [10.409312809724458]
我々は、ユーザが知っていることに関連する事実を提示されると、エンゲージメントが増加するという仮説をテストするウィザード・オブ・オズ・ダイアログタスクを設計する。
ユーザとアシスタントが地理的話題について会話する14Kダイアログ(181K発声)を収集・リリースする。
このデータセットには、既存のユーザ知識、メッセージレベルのダイアログアクション、ウィキペディアへの接地、メッセージに対するユーザ反応が注釈付けされている。
論文 参考訳（メタデータ） (2020-05-01T01:55:09Z)
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。