論文の概要: Marcel: A Lightweight and Open-Source Conversational Agent for University Student Support
- arxiv url: http://arxiv.org/abs/2507.13937v2
- Date: Fri, 24 Oct 2025 11:26:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 09:00:15.076089
- Title: Marcel: A Lightweight and Open-Source Conversational Agent for University Student Support
- Title（参考訳）: Marcel: 大学生支援のための軽量でオープンソースの会話エージェント
- Authors: Jan Trienes, Anastasiia Derzhanskaia, Roland Schwarzkopf, Markus Mühling, Jörg Schlötterer, Christin Seifert,
- Abstract要約: Marcelは、入試に関する質問に答える学生を支援するために設計された、軽量でオープンソースの会話エージェントである。
我々は,大学リソースの回答を基盤として,ユーザに対して検証可能な,文脈に関連のある情報を提供するために,検索強化世代を採用している。
- 参考スコア（独自算出の注目度）: 10.064318502962964
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Marcel, a lightweight and open-source conversational agent designed to support prospective students with admission-related inquiries. The system aims to provide fast and personalized responses, while reducing workload of university staff. We employ retrieval-augmented generation to ground answers in university resources and to provide users with verifiable, contextually relevant information. We introduce a Frequently Asked Question (FAQ) retriever that maps user questions to knowledge-base entries, which allows administrators to steer retrieval, and improves over standard dense/hybrid retrieval strategies. The system is engineered for easy deployment in resource-constrained academic settings. We detail the system architecture, provide a technical evaluation of its components, and report insights from a real-world deployment.
- Abstract（参考訳）: Marcelは、入試に関する質問に答える学生を支援するために設計された、軽量でオープンソースの会話エージェントである。
このシステムは,大学職員の作業量を削減しつつ,迅速かつパーソナライズされた回答を提供することを目的としている。
我々は,大学リソースの回答を基盤として,ユーザに対して検証可能な,文脈に関連のある情報を提供するために,検索強化世代を採用している。
本稿では,ユーザの質問を知識ベースエントリにマッピングし,管理者が検索を操り,標準的な密集型/ハイブリド型検索戦略を改良するFAQ検索手法を提案する。
このシステムは、リソースに制約のある学術的な環境に容易に展開できるように設計されている。
システムアーキテクチャを詳述し、そのコンポーネントの技術的評価を提供し、実際のデプロイメントからの洞察を報告します。
関連論文リスト
- Machine Assistant with Reliable Knowledge: Enhancing Student Learning via RAG-based Retrieval [0.0]
MARK(Machine Assistant with Reliable Knowledge)は、学生の学習を支援するために開発された質問応答システムである。
システムは検索強化世代(RAG)フレームワーク上に構築されており、このフレームワークは、実際の一貫性を確保するために、キュレートされた知識ベースを統合する。
論文 参考訳（メタデータ） (2025-06-28T22:17:27Z) - ALOHA: Empowering Multilingual Agent for University Orientation with Hierarchical Retrieval [7.016945185385475]
大学指向の階層的検索により強化された多言語エージェントであるALOHAを紹介する。
システムは配備され、12,000人以上のサービスを提供している。
論文 参考訳（メタデータ） (2025-05-13T00:01:03Z) - CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。
提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
論文 参考訳（メタデータ） (2024-04-28T18:21:31Z) - STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。
本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。
多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
論文 参考訳（メタデータ） (2024-04-19T22:54:54Z) - A large language model-assisted education tool to provide feedback on
open-ended responses [2.624902795082451]
本稿では,大規模言語モデル (LLM) をインストラクター定義基準でガイドし,オープンエンド質問に対する応答を自動化するツールを提案する。
本ツールでは,素早いパーソナライズされたフィードバックを提供することで,学生が知識を迅速にテストし,改善すべき領域を特定できる。
論文 参考訳（メタデータ） (2023-07-25T19:49:55Z) - Synergistic Interplay between Search and Large Language Models for
Information Retrieval [141.18083677333848]
InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。
InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
論文 参考訳（メタデータ） (2023-05-12T11:58:15Z) - Retrieval Augmented Visual Question Answering with Outside Knowledge [14.371342370460685]
Outside-Knowledge Visual Question Answering (OK-VQA)は、画像に関する質問に答えるために外部知識の検索を必要とする難しいVQAタスクである。
最近のOK-VQAシステムでは、Dense Passage Retrieval (DPR) を使用して、ウィキペディアのような外部知識ベースから文書を検索するが、回答生成とは別々に訓練されている。
本稿では,対話型DPRと解答生成を統合した共同学習手法を提案する。
論文 参考訳（メタデータ） (2022-10-07T20:35:58Z) - What should I Ask: A Knowledge-driven Approach for Follow-up Questions
Generation in Conversational Surveys [63.51903260461746]
対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。
そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。
次に,その課題に対する2段階の知識駆動モデルを提案する。
論文 参考訳（メタデータ） (2022-05-23T00:57:33Z) - Asking for Knowledge: Training RL Agents to Query External Knowledge
Using Language [121.56329458876655]
グリッドワールドベースのQ-BabyAIとテキストベースのQ-TextWorldの2つの新しい環境を紹介した。
本稿では,意味のある知識を問うための言語コマンドを生成する「知識の探索(AFK)」エージェントを提案する。
論文 参考訳（メタデータ） (2022-05-12T14:20:31Z) - OpenQA: Hybrid QA System Relying on Structured Knowledge Base as well as
Non-structured Data [15.585969737147892]
構造化KBと非構造化データに基づく知的質問応答システムOpenQAを提案する。
我々は、意味解析と深層表現学習に基づくKBQA構造化質問応答と、検索とニューラルマシン読解に基づく2段階非構造化質問応答をOpenQAに統合する。
論文 参考訳（メタデータ） (2021-12-31T09:15:39Z) - Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via
Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。
本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2020-10-29T18:28:16Z) - Open-Retrieval Conversational Question Answering [62.11228261293487]
オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。
ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
論文 参考訳（メタデータ） (2020-05-22T19:39:50Z)
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。