論文の概要: Generative AI for Strategic Plan Development
- arxiv url: http://arxiv.org/abs/2508.07405v1
- Date: Sun, 10 Aug 2025 16:07:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.84543
- Title: Generative AI for Strategic Plan Development
- Title（参考訳）: 戦略計画開発のためのジェネレーティブAI
- Abstract要約: 本稿では,大規模政府機関の戦略的計画策定にGA(Generative Artificial Intelligence)を活用するためのモジュールモデルを提案する。
これを達成するために、BERTopicとNMFモデルは、政府説明責任局(GAO)からの大量の報告を使用して訓練される。
その結果、これらの手法は、評価対象要素の100%に類似したテーマを生成することができることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given recent breakthroughs in Generative Artificial Intelligence (GAI) and Large Language Models (LLMs), more and more professional services are being augmented through Artificial Intelligence (AI), which once seemed impossible to automate. This paper presents a modular model for leveraging GAI in developing strategic plans for large scale government organizations and evaluates leading machine learning techniques in their application towards one of the identified modules. Specifically, the performance of BERTopic and Non-negative Matrix Factorization (NMF) are evaluated in their ability to use topic modeling to generate themes representative of Vision Elements within a strategic plan. To accomplish this, BERTopic and NMF models are trained using a large volume of reports from the Government Accountability Office (GAO). The generated topics from each model are then scored for similarity against the Vision Elements of a published strategic plan and the results are compared. Our results show that these techniques are capable of generating themes similar to 100% of the elements being evaluated against. Further, we conclude that BERTopic performs best in this application with more than half of its correlated topics achieving a "medium" or "strong" correlation. A capability of GAI-enabled strategic plan development impacts a multi-billion dollar industry and assists the federal government in overcoming regulatory requirements which are crucial to the public good. Further work will focus on the operationalization of the concept proven in this study as well as viability of the remaining modules in the proposed model for GAI-generated strategic plans.
- Abstract（参考訳）: 最近のGAI(Generative Artificial Intelligence)とLLM(Large Language Models)のブレークスルーを考えると、AI(Artificial Intelligence)を通じてプロのサービスが強化されつつある。
本稿では,大規模政府機関の戦略的計画策定にGAIを活用するためのモジュールモデルを提案する。
具体的には,BERTopicとNon- negative Matrix Factorization(NMF)の性能を,トピックモデリングを用いて戦略計画内で視覚要素のテーマを表現できる能力で評価する。
これを達成するために、BERTopicとNMFモデルは、政府説明責任局(GAO)からの大量のレポートを使用して訓練される。
各モデルから生成されたトピックは、公表された戦略計画のビジョン要素と類似してスコアされ、結果が比較される。
その結果、これらの手法は、評価対象要素の100%に類似したテーマを生成することができることがわかった。
さらに、BERTopicは、その関連トピックの半数以上を"medium"あるいは"strong"の相関で処理することで、このアプリケーションで最高の性能を発揮すると結論付けている。
GAIによる戦略的計画策定の能力は、数十億ドルの産業に影響し、連邦政府が公共の利益に不可欠な規制要件を克服するのを支援している。
この研究で実証された概念の運用と、GAI生成戦略計画モデルにおける残りのモジュールの生存性に焦点をあてる。
関連論文リスト
- From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - EmbodiedBrain: Expanding Performance Boundaries of Task Planning for Embodied Intelligence [17.644658293987955]
身体的AIエージェントは、物理的環境における堅牢な空間認識、効果的なタスク計画、適応実行を行うことができる。
現在の大規模言語モデル (LLMs) とマルチモーダルLLM (MLLMs) の具体化タスクは、重要な制約に悩まされている。
EmbodiedBrain は 7B と 32B のパラメータサイズで利用できる新しい視覚言語基盤モデルである。
論文 参考訳（メタデータ） (2025-10-23T14:05:55Z) - The Landscape of Agentic Reinforcement Learning for LLMs: A Survey [103.32591749156416]
エージェント強化学習(Agentic RL)の出現は、大規模言語モデル(LLM RL)に適用された従来の強化学習からパラダイムシフトを示している。
本研究では, LLM-RLの縮退した単段階マルコフ決定過程(MDPs)と, エージェントRLを定義する部分可観測マルコフ決定過程(POMDPs)とを対比することにより, この概念シフトを定式化する。
論文 参考訳（メタデータ） (2025-09-02T17:46:26Z) - Agentic AI in 6G Software Businesses: A Layered Maturity Model [3.1882747895372217]
エージェントAIシステムは、分散環境における自律性、スケーラビリティ、インテリジェントな意思決定を促進することを約束する。
彼らの採用は、技術的な複雑さ、統合、組織的準備、パフォーマンスコストのトレードオフに関する懸念を提起する。
論文 参考訳（メタデータ） (2025-08-05T12:42:46Z) - Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches [76.12691010182802]
本調査は,衛星搭載低高度経済と地上ネットワーク(SLAETN)におけるエージェント人工知能(AI)の実現に焦点をあてる。
SLAETNのアーキテクチャと特徴を紹介するとともに,衛星,空中,地上コンポーネントの統合において生じる課題を分析する。
これらのモデルが,コミュニケーション強化,セキュリティとプライバシ保護,インテリジェントな衛星タスクという,3つの領域にわたるエージェント機能をどのように強化するかを検討する。
論文 参考訳（メタデータ） (2025-07-19T14:07:05Z) - Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。
この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
論文 参考訳（メタデータ） (2025-06-22T12:59:12Z) - World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks [55.90051810762702]
本稿では,世界モデルを概観し,そのアーキテクチャ,トレーニングパラダイム,予測,生成,計画,因果推論といった応用を概観する。
ワイヤレスエッジインテリジェンス最適化に適した,新しい世界モデルに基づく強化学習フレームワークであるWireless Dreamerを提案する。
論文 参考訳（メタデータ） (2025-05-31T06:43:00Z) - On the Modeling Capabilities of Large Language Models for Sequential Decision Making [52.128546842746246]
大規模な事前訓練されたモデルでは、推論や計画タスクのパフォーマンスがますます向上している。
我々は、直接的または間接的に、意思決定ポリシーを作成する能力を評価する。
未知の力学を持つ環境において、合成データを用いた微調整LDMが報酬モデリング能力を大幅に向上させる方法について検討する。
論文 参考訳（メタデータ） (2024-10-08T03:12:57Z) - The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey [0.0]
本稿では,AIエージェントの実装の最近の進歩について考察する。
推論、計画、ツールの実行能力の強化を必要とする複雑な目標を達成する能力に重点を置いている。
論文 参考訳（メタデータ） (2024-04-17T17:32:41Z) - Levels of AGI for Operationalizing Progress on the Path to AGI [64.59151650272477]
本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。
このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
論文 参考訳（メタデータ） (2023-11-04T17:44:58Z) - Conceptual Framework for Autonomous Cognitive Entities [0.9285295512807729]
本稿では,認知アーキテクチャの新しいフレームワークである自律認知エンティティモデルを紹介する。
このモデルは、大規模言語モデル(LLM)やマルチモーダル生成モデル(MMM)など、最新の生成AI技術の能力を活用するように設計されている。
ACEフレームワークには、障害の処理とアクションの適応のためのメカニズムも組み込まれているため、自律エージェントの堅牢性と柔軟性が向上する。
論文 参考訳（メタデータ） (2023-10-03T15:53:55Z)
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。