論文の概要: Mitigating the Carbon Footprint of Chatbots as Consumers
- arxiv url: http://arxiv.org/abs/2508.00911v1
- Date: Tue, 29 Jul 2025 19:00:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 14:39:16.818456
- Title: Mitigating the Carbon Footprint of Chatbots as Consumers
- Title（参考訳）: 消費者としてのチャットボットのカーボンフットプリント
- Authors: Boris Ruf, Marcin Detyniecki,
- Abstract要約: 本稿では,大規模言語モデル(LLM)の基本機能に関連する環境影響について検討する。
実世界のシステムから匿名化されたトークンデータを用いて会話パターンを解析した後、より持続可能な方法でチャットボットをどのように使用できるかを個人に推奨する。
シミュレーションに基づいて、このような生態学的ジェスチャーの導入による貯蓄ポテンシャルを推定する。
- 参考スコア（独自算出の注目度）: 7.237493755167876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of the high energy demand of large language models (LLMs) and growing concerns about global warming, there is significant demand for actionable recommendations that can help reduce emissions when utilizing such technologies. This paper examines the environmental impact linked to a fundamental function of LLM-based conversational systems that might be less well known to end users: the conversational memory, which enables the system to maintain context throughout the dialog. After analyzing conversation patterns using anonymized token data from a real world system, a recommendation for individuals on how they could use chatbots in a more sustainable way is derived. Based on a simulation, the savings potential resulting from the adoption of such an ecological gesture is estimated.
- Abstract（参考訳）: 大規模言語モデル(LLM)の高エネルギー需要と地球温暖化に対する懸念が高まる中で、このような技術を利用する際の排出削減に役立つ行動可能なレコメンデーションが著しく求められている。
本稿では,LLMに基づく会話システムの基本的機能と関連する環境影響について検討する。
実世界のシステムから匿名化されたトークンデータを用いて会話パターンを解析した後、より持続可能な方法でチャットボットをどのように使用できるかを個人に推奨する。
シミュレーションに基づいて、このような生態学的ジェスチャーの導入による貯蓄ポテンシャルを推定する。
関連論文リスト
- From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - Applying General Turn-taking Models to Conversational Human-Robot Interaction [3.8673630752805446]
本稿では、一般的なターンテイクモデル、特にTurnGPTとVAP(Voice Activity Projection)を用いて、HRIにおける会話力学を改善する。
本稿では,ロボットがいつ応答を準備し,交替し,潜在的割り込みを扱うべきかを予測するために,これらのモデルをタンデムで使用する手法を提案する。
論文 参考訳（メタデータ） (2025-01-15T16:49:22Z) - Large Language Model Interface for Home Energy Management Systems [0.7373617024876725]
家庭用エネルギー管理システム(HMS)は、電力価格などの電力系統信号に基づいて家庭の電力使用量を調整する。
HEMSは、エネルギー資源、住宅、およびユーザニーズの特徴を反映した、よく整形されたパラメータ化を必要とする。
本稿では,ユーザと対話して,不適切な回答の理解とパラメータ化を行うインタフェースを提案し,その上で,HEMSを実装するためのパラメータを適切に出力する。
論文 参考訳（メタデータ） (2025-01-14T08:10:43Z) - Prompt engineering and its implications on the energy consumption of Large Language Models [4.791072577881446]
ソフトウェア工学における大規模言語モデル(LLM)は、計算資源、データセンター、二酸化炭素排出に関する深刻な問題を引き起こす。
本稿では,コード生成タスクにおけるLlama 3モデルの炭素排出に及ぼすPETの影響について検討する。
論文 参考訳（メタデータ） (2025-01-10T11:49:31Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z) - AUGUST: an Automatic Generation Understudy for Synthesizing
Conversational Recommendation Datasets [56.052803235932686]
本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。
i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
論文 参考訳（メタデータ） (2023-06-16T05:27:14Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - Approximating Online Human Evaluation of Social Chatbots with Prompting [11.657633779338724]
既存の評価指標は、オフラインユーザ評価の自動化と、事前計算したダイアログの人的判断の近似を目的としている。
GPTファミリーの大規模言語モデル(LLM)を利用したオンライン人間評価の近似手法を提案する。
Prompting (DEP) に基づく新しいダイアログシステム評価フレームワークを導入し,完全な自動評価パイプラインを実現する。
論文 参考訳（メタデータ） (2023-04-11T14:45:01Z) - PLACES: Prompting Language Models for Social Conversation Synthesis [103.94325597273316]
我々は、プロンプトを用いてソーシャルな会話データセットを合成するために、専門家による会話の小さなセットをコンテキスト内例として使用します。
人工会話の徹底的な評価を,人間による会話と比較して行った。
論文 参考訳（メタデータ） (2023-02-07T05:48:16Z) - Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。
本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
論文 参考訳（メタデータ） (2021-11-03T10:08:05Z)
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。