論文の概要: Demo: TOSense -- What Did You Just Agree to?

• arxiv url: http://arxiv.org/abs/2508.00659v1
• Date: Fri, 01 Aug 2025 14:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.9106
• Title: Demo: TOSense -- What Did You Just Agree to?
• Title（参考訳）: デモ:TOSense -- あなたは何に落ち着いたのか?
• Authors: Xinzhang Chen, Hassan Ali, Arash Shaghaghi, Salil S. Kanhere, Sanjay Jha,
• Abstract要約: 本稿では,TOSense-Chromeエクステンションを提案する。このエクステンションを使えば,自然言語でToSについて質問したり,簡潔な回答をリアルタイムで得ることができる。 i) ToS コンテンツを自動的に抽出するクローラ "tos-crawl" と,(ii) セマンティック検索のための MiniLM と応答関連性検証のための BART-encoder を組み合わせた。
• 参考スコア（独自算出の注目度）: 9.924830797676218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online services often require users to agree to lengthy and obscure Terms of Service (ToS), leading to information asymmetry and legal risks. This paper proposes TOSense-a Chrome extension that allows users to ask questions about ToS in natural language and get concise answers in real time. The system combines (i) a crawler "tos-crawl" that automatically extracts ToS content, and (ii) a lightweight large language model pipeline: MiniLM for semantic retrieval and BART-encoder for answer relevance verification. To avoid expensive manual annotation, we present a novel Question Answering Evaluation Pipeline (QEP) that generates synthetic questions and verifies the correctness of answers using clustered topic matching. Experiments on five major platforms, Apple, Google, X (formerly Twitter), Microsoft, and Netflix, show the effectiveness of TOSense (with up to 44.5% accuracy) across varying number of topic clusters. During the demonstration, we will showcase TOSense in action. Attendees will be able to experience seamless extraction, interactive question answering, and instant indexing of new sites.
• Abstract（参考訳）: オンラインサービスは、しばしばユーザーが長く不明瞭なサービス規約(ToS)に同意することを求め、情報非対称性と法的リスクをもたらす。 本稿では,TOSense-Chromeエクステンションを提案する。このエクステンションを使えば,自然言語でToSについて質問したり,簡潔な回答をリアルタイムで得ることができる。 システムは結合します i)ToSコンテンツを自動的に抽出するクローラ「tos-crawl」 (ii) 軽量な大規模言語モデルパイプライン: 意味検索のためのMiniLMと応答関連性検証のためのBARTエンコーダ。 高価な手動アノテーションを避けるために,合成質問を生成し,クラスタ化されたトピックマッチングを用いて回答の正当性を検証する新しい質問応答評価パイプライン(QEP)を提案する。 Apple、Google、X(元Twitter)、Microsoft、Netflixの5つの主要なプラットフォームでの実験では、さまざまなトピッククラスタにわたるTOSense(最大44.5%の精度)の有効性が示されている。 デモでは、TOSenseの動作を紹介します。 Attendeesはシームレスな抽出、対話型質問応答、そして新しいサイトのインデクシングを体験できる。

関連論文リスト

• Highlight & Summarize: RAG without the jailbreaks [13.121045036871607]
  悪意のあるユーザは、特殊なプロンプトを入力して、Large Language Modelsが望ましくないコンテンツを生成したり、意図した目的とは全く異なるタスクを実行することができる。 我々は,これらの攻撃を設計によって防止する検索強化生成(RAG)システムのための新しい設計パターンであるHighlight & Summarize(H&S)を提示し,評価する。
  論文  参考訳（メタデータ） (2025-08-04T20:01:00Z)
• Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
  我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。 中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。 実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:27:43Z)
• Prompting the Hidden Talent of Web-Scale Speech Models for Zero-Shot Task Generalization [61.60501633397704]
  本稿では,最近提案されたWebスケール音声モデルのWhisperの創発的能力について検討する。 タスク固有のプロンプトを、別の大規模モデルを活用するか、あるいはデフォルトのプロンプトで特別なトークンを操作するだけで設計する。 実験の結果,提案手法は3つのゼロショットタスクで10%から45%向上し,SotAの教師付きモデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-05-18T16:32:58Z)
• Distinguish Sense from Nonsense: Out-of-Scope Detection for Virtual Assistants [12.67328068540046]
  我々は,仮想アシスタントの現実的な展開において,標準的なOOS検出方法よりも優れた,シンプルで効果的なOOS検出手法を提案する。 実世界のシナリオを再現し、様々な設定で包括的な結果を示すデータセットの集合を提案する。
  論文  参考訳（メタデータ） (2023-01-16T18:10:12Z)
• Visconde: Multi-document QA with GPT-3 and Neural Reranking [4.9069311006119865]
  本稿では,複数の文書にまたがる証拠を裏付ける質問に回答できる質問応答システムを提案する。 Viscondeと呼ばれるこのシステムは、3ステップのパイプラインを使ってタスクを実行する。
  論文  参考訳（メタデータ） (2022-12-19T17:39:07Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• Building a Legal Dialogue System: Development Process, Challenges and Opportunities [1.433758865948252]
  本稿では,ドメイン固有の会話エージェントの設計において直面する課題に対する重要な原則と解決策について述べる。 ユーザクエリに応答し、連絡先の詳細やケース関連情報を含むユーザ情報を記録する機能を提供する。
  論文  参考訳（メタデータ） (2021-09-01T13:35:42Z)
• VOGUE: Answer Verbalization through Multi-Task Learning [4.882444194224553]
  マルチタスクに基づく応答言語化フレームワークVOGUE(VerbalizationOuGh mUlti-task lEarning)を提案する。 我々のフレームワークは、質問やクエリを同時に入力として使用することで、結果を生成することができる。 既存データセットの枠組みを評価した結果,BLEUとMETEORの両スコアにおいて,現在のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-06-24T21:05:32Z)
• Disentangling Online Chats with DAG-Structured LSTMs [55.33014148383343]
  DAG-LSTMはTree-LSTMの一般化であり、間接的な非循環的依存関係を処理できる。 提案する新モデルでは,リプライ・トゥ・リレーション(Repend-to-Relation)を回復する作業において,アート・ステータスの状態を達成できることが示される。
  論文  参考訳（メタデータ） (2021-06-16T18:00:00Z)
• Open-Retrieval Conversational Machine Reading [80.13988353794586]
  会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。 既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。 本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
  論文  参考訳（メタデータ） (2021-02-17T08:55:01Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)
• Syntactic Search by Example [44.69040040007045]
  本稿では,依存グラフ上の構文パターンを用いて,言語的に注釈付けされた大規模コーパスを検索するシステムを提案する。 本稿では,下層の構文表現の詳細を知る必要のない軽量なクエリ言語を提案する。 探索は,効率的な言語グラフインデクシングと検索エンジンにより,対話的な速度で行われる。
  論文  参考訳（メタデータ） (2020-06-04T16:59:01Z)
• Explicit Memory Tracker with Coarse-to-Fine Reasoning for Conversational Machine Reading [177.50355465392047]
  本稿では,EMT(Explicit Memory Tracker)を用いた会話機械読取フレームワークを提案する。 我々のフレームワークは、粗大な推論戦略を採用することによって、明確化の質問を生成する。 EMTは74.6%のマイクロ平均決定精度と49.5BLEU4の新たな最先端結果を達成する。
  論文  参考訳（メタデータ） (2020-05-26T02:21:31Z)

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。