論文の概要: The role of large language models in UI/UX design: A systematic literature review
- arxiv url: http://arxiv.org/abs/2507.04469v1
- Date: Sun, 06 Jul 2025 17:18:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:35.19983
- Title: The role of large language models in UI/UX design: A systematic literature review
- Title（参考訳）: UI/UX設計における大規模言語モデルの役割 : 体系的文献レビュー
- Authors: Ammar Ahmed, Ali Shariq Imran,
- Abstract要約: 本稿では,UI/UX設計における大規模言語モデル(LLM)の役割について考察する。
GPT-4、Gemini、PaLMを含む主要なLCMを特定し、それらの統合を設計ライフサイクル全体にわたってマップする。
- 参考スコア（独自算出の注目度）: 3.976105256989112
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This systematic literature review examines the role of large language models (LLMs) in UI/UX design, synthesizing findings from 38 peer-reviewed studies published between 2022 and 2025. We identify key LLMs in use, including GPT-4, Gemini, and PaLM, and map their integration across the design lifecycle, from ideation to evaluation. Common practices include prompt engineering, human-in-the-loop workflows, and multimodal input. While LLMs are reshaping design processes, challenges such as hallucination, prompt instability, and limited explainability persist. Our findings highlight LLMs as emerging collaborators in design, and we propose directions for the ethical, inclusive, and effective integration of these technologies.
- Abstract（参考訳）: 本稿では,UI/UX設計における大規模言語モデル(LLM)の役割を概説し,2022年から2025年の間に発表された38のピアレビュー研究から得られた知見を合成する。
GPT-4, Gemini, PaLM などの主要な LLM を識別し, 設計ライフサイクル全体にわたって, アイデアから評価まで, それらの統合をマッピングする。
一般的なプラクティスとしては、プロンプトエンジニアリング、ヒューマン・イン・ザ・ループワークフロー、マルチモーダルインプットなどがある。
LLMは設計プロセスを変えつつあるが、幻覚、不安定性の促進、説明可能性の制限といった課題は継続している。
本研究は,LLMをデザインにおける新たな協力者として取り上げ,倫理的・包括的・効果的な統合に向けた方向性を提案する。
関連論文リスト
- Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。
このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。
以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
論文 参考訳（メタデータ） (2025-05-12T14:05:23Z) - Themes of Building LLM-based Applications for Production: A Practitioner's View [6.544757635738911]
大規模言語モデル(LLM)を積極的に開発する実践者から,2022年から2024年までの189本のビデオを収集した。
BERTopicを用いてテキストの解析を行い, 生成したトピックをテーマに手作業でソート, マージし, 8つのテーマで合計20のトピックを抽出した。
最も一般的なトピックは、検索強化世代(RAG)システムに重点を置いて、デザイン・アンド・アーキテクチャ(英語版)というテーマに含まれる。
論文 参考訳（メタデータ） (2024-11-13T12:44:41Z) - A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks [5.0453036768975075]
MLLM(Large Language Model)は、テキスト、画像、ビデオ、オーディオを統合し、モーダルな理解と生成のためのAIシステムを実現する。
Bookは、スケーラビリティ、堅牢性、およびクロスモーダル学習における重要な課題に対処しながら、MLLM実装の顕著な点について検討している。
倫理的考察、責任あるAI開発、そして今後の方向性に関する議論をまとめると、この権威あるリソースは理論的な枠組みと実践的な洞察の両方を提供する。
論文 参考訳（メタデータ） (2024-11-09T20:56:23Z) - A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks [74.52259252807191]
MLLM(Multimodal Large Language Models)は、単一のモダリティシステムの能力を超えた現実世界のアプリケーションの複雑さに対処する。
本稿では,自然言語,視覚,音声などのマルチモーダルタスクにおけるMLLMの応用を体系的に整理する。
論文 参考訳（メタデータ） (2024-08-02T15:14:53Z) - From Concept to Manufacturing: Evaluating Vision-Language Models for Engineering Design [5.268919870502001]
本稿では,視覚言語モデル(VLM)を工学設計タスクの範囲で総合的に評価する。
本稿では, スケッチ類似性解析, CAD生成, トポロジ最適化, 製造性評価, 工学教科書問題などの設計課題における2つのVLM, GPT-4V, LLaVA 1.6 34Bの性能評価を行う。
論文 参考訳（メタデータ） (2023-11-21T15:20:48Z) - LM-Polygraph: Uncertainty Estimation for Language Models [71.21409522341482]
不確実性推定(UE)手法は、大規模言語モデル(LLM)の安全性、責任性、効果的な利用のための1つの経路である。
テキスト生成タスクにおけるLLMの最先端UEメソッドのバッテリを実装したフレームワークであるLM-PolygraphをPythonで統一したプログラムインタフェースで導入する。
研究者によるUEテクニックの一貫した評価のための拡張可能なベンチマークと、信頼スコア付き標準チャットダイアログを強化するデモWebアプリケーションを導入している。
論文 参考訳（メタデータ） (2023-11-13T15:08:59Z) - Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。
また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
論文 参考訳（メタデータ） (2023-08-21T15:35:16Z) - 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。
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。