論文の概要: Survey of Specialized Large Language Model

• arxiv url: http://arxiv.org/abs/2508.19667v1
• Date: Wed, 27 Aug 2025 08:27:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.558845
• Title: Survey of Specialized Large Language Model
• Title（参考訳）: 特化大言語モデルに関する調査
• Authors: Chenghan Yang, Ruiyu Zhao, Yang Liu, Ling Jiang,
• Abstract要約: 特殊な大規模言語モデル(LLM)の急速な進化は、シンプルなドメイン適応から洗練されたネイティブアーキテクチャへと移行してきた。 この調査は、医療、金融、法律、技術分野にまたがるこの進歩を体系的に調査する。
• 参考スコア（独自算出の注目度）: 7.372748447985585
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid evolution of specialized large language models (LLMs) has transitioned from simple domain adaptation to sophisticated native architectures, marking a paradigm shift in AI development. This survey systematically examines this progression across healthcare, finance, legal, and technical domains. Besides the wide use of specialized LLMs, technical breakthrough such as the emergence of domain-native designs beyond fine-tuning, growing emphasis on parameter efficiency through sparse computation and quantization, increasing integration of multimodal capabilities and so on are applied to recent LLM agent. Our analysis reveals how these innovations address fundamental limitations of general-purpose LLMs in professional applications, with specialized models consistently performance gains on domain-specific benchmarks. The survey further highlights the implications for E-Commerce field to fill gaps in the field.
• Abstract（参考訳）: 特殊な大規模言語モデル(LLM)の急速な進化は、シンプルなドメイン適応から洗練されたネイティブアーキテクチャへと移行し、AI開発におけるパラダイムシフトを象徴している。 この調査は、医療、金融、法律、技術分野にまたがるこの進歩を体系的に調査する。 特殊LLMの広範な利用に加えて、細調整以外のドメインネイティブ設計の出現、スパース計算や量子化によるパラメータ効率の向上、マルチモーダル機能の統合など、技術的なブレークスルーも最近のLLMエージェントに適用されている。 我々の分析は、これらの革新がプロのアプリケーションにおける汎用LLMの基本的限界にどう対処するかを明らかにし、ドメイン固有のベンチマークにおいて、特別なモデルが一貫してパフォーマンス向上を図っている。 調査は、Eコマース分野がこの分野のギャップを埋めることの意味をさらに強調した。

関連論文リスト

• Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。 広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。 しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
  論文  参考訳（メタデータ） (2023-05-30T03:00:30Z)

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。