論文の概要: How can AI agents support journalists' work? An experiment with designing an LLM-driven intelligent reporting system

• arxiv url: http://arxiv.org/abs/2510.01193v1
• Date: Mon, 25 Aug 2025 14:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.044159
• Title: How can AI agents support journalists' work? An experiment with designing an LLM-driven intelligent reporting system
• Title（参考訳）: AIエージェントはジャーナリストの仕事を支援するにはどうしたらいいのか? LLM駆動のインテリジェントなレポーティングシステムを設計するための実験
• Authors: Vasileios Maltezos, Roman Kyrychenko, Aleksi Knuutila,
• Abstract要約: 人工知能をジャーナリストの実践に統合することは、ニュースの収集、分析、発信方法の変革的な変化を表している。 大規模言語モデル(LLM)、特にエージェント能力を持つモデルは、ジャーナリストの実践を強化する前例のない機会を提供する。 本研究は,ジャーナリストのインタビューから得られた知見に基づいて,エージェントLLMがジャーナリストのフィルタリングを支援する方法について考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of artificial intelligence into journalistic practices represents a transformative shift in how news is gathered, analyzed, and disseminated. Large language models (LLMs), particularly those with agentic capabilities, offer unprecedented opportunities for enhancing journalistic workflows while simultaneously presenting complex challenges for newsroom integration. This research explores how agentic LLMs can support journalists' workflows, based on insights from journalist interviews and from the development of an LLM-based automation tool performing information filtering, summarization, and reporting. The paper details automated aggregation and summarization systems for journalists, presents a technical overview and evaluation of a user-centric LLM-driven reporting system (TeleFlash), and discusses both addressed and unmet journalist needs, with an outlook on future directions for AI-driven tools in journalism.
• Abstract（参考訳）: 人工知能をジャーナリストの実践に統合することは、ニュースの収集、分析、発信方法の変革的な変化を表している。 大規模言語モデル(LLM)、特にエージェント機能を持つモデルは、ニュースルーム統合の複雑な課題を同時に提示しながら、ジャーナリストのワークフローを強化する前例のない機会を提供する。 本研究では、ジャーナリストのインタビューや、情報フィルタリング、要約、報告を行うLLMベースの自動化ツールの開発から得た知見に基づいて、エージェントLLMがジャーナリストのワークフローをどのようにサポートするかを検討する。 本稿は,ジャーナリストのための自動集計と要約システムについて詳述し,ユーザ中心のLCM駆動型レポーティングシステム(TeleFlash)の技術的概要と評価を述べるとともに,ジャーナリストのニーズに対処と非メタルの両方について論じ,ジャーナリズムにおけるAI駆動型ツールの今後の方向性を概観する。

関連論文リスト

• A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
  エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。 我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。 コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
  論文  参考訳（メタデータ） (2025-10-13T04:07:01Z)
• NEWSAGENT: Benchmarking Multimodal Agents as Journalists with Real-World Newswriting Tasks [21.577527868033343]
  NEWSAGENTは、エージェントが利用可能な生のコンテンツを自動的に検索し、望ましい情報を選択し、ニュース記事の編集とリフレーズを行う方法を評価するためのベンチマークである。 NEWSAGENTには、実際のニュースから派生した6kの人間による検証例が含まれており、マルチモーダルコンテンツは、幅広いモデル互換性のためにテキストに変換される。 NEWSAGENTは、マルチモーダルなWebデータ操作から現実の生産性まで、エージェント機能を反復し評価するための現実的なテストベッドであると考えています。
  論文  参考訳（メタデータ） (2025-08-30T10:31:34Z)
• Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap [51.198001060683296]
  大型言語モデル(LLM)は、輸送上の課題に対処するための変革的な可能性を提供する。 LLM4TRは,交通におけるLSMの役割を体系的に分類する概念的枠組みである。 それぞれの役割について,交通予測や自律運転,安全分析,都市移動最適化など,さまざまな応用について検討した。
  論文  参考訳（メタデータ） (2025-03-27T11:56:27Z)
• NewsInterview: a Dataset and a Playground to Evaluate LLMs' Ground Gap via Informational Interviews [65.35458530702442]
  我々はジャーナリストのインタビューに焦点をあて、コミュニケーションの基盤と豊富なデータに富んだドメインに焦点をあてる。 我々はNPRとCNNから4万人の2人によるインフォメーションインタビューのデータセットをキュレートする。 LLMは、人間のインタビュアーよりも、認識を使い、より高いレベルの質問に目を向ける可能性がはるかに低い。
  論文  参考訳（メタデータ） (2024-11-21T01:37:38Z)
• Online Digital Investigative Journalism using SociaLens [0.0]
  オンラインソースからクエリ特定データを特定し,抽出するための,多目的かつ自律的な調査ジャーナリズムツールである em SociaLens を導入している。 我々は、調査ジャーナリズム、法執行、社会政策計画におけるその利用を構想する。 発展途上国におけるレイプ事件を事例として,SociaLensの機能について考察した。
  論文  参考訳（メタデータ） (2024-10-13T07:20:47Z)
• Developing Story: Case Studies of Generative AI's Use in Journalism [18.67676679963561]
  本研究では、WildChatデータセットを閲覧することで、2つの報道機関によるジャーナリストとAIのインタラクションの研究を行う。 本稿では,ジャーナリストが他の機関からの資料や記事との機密通信などの機密資料をLCMに送付し,記事作成を促す事例を明らかにする。 本稿では,AIの活用に責任を負うものに関するさらなる研究と,ジャーナリストの文脈でLLMを使用するための明確なガイドラインとベストプラクティスの確立を求めている。
  論文  参考訳（メタデータ） (2024-06-19T16:58:32Z)
• Envisioning the Applications and Implications of Generative AI for News Media [4.324021238526106]
  本稿では,ニュースルームにおけるアルゴリズムによる意思決定支援システムと合成メディアの利用の増加について考察する。 我々は、ニュース制作に関わるタスクの分類から導き、生成モデルが記者を適切に支援できる場所について議論する。 我々のエッセイは、異なるタスクをサポートするために生成AIシステムを利用することを検討する実践者や研究者に関係している。
  論文  参考訳（メタデータ） (2024-02-29T03:40:25Z)
• Identifying Informational Sources in News Articles [109.70475599552523]
  我々は、ニュース執筆に使用される情報ソースの、最大かつ最も広範囲にアノテートされたデータセットを構築した。 本稿では,ニュース記事中のソースの構成性を研究するための新しいタスクであるソース予測を導入する。
  論文  参考訳（メタデータ） (2023-05-24T08:56:35Z)
• SmartBook: AI-Assisted Situation Report Generation for Intelligence Analysts [55.73424958012229]
  この研究は、状況報告生成におけるAI支援のためのインテリジェンスアナリストの実践と嗜好を特定する。 本稿では,大量のニュースデータから状況報告を自動生成するフレームワークSmartBookを紹介する。 我々は,SmartBookの総合的な評価を行い,ユーザによるコンテントレビューと編集調査を併用し,正確な状況報告を生成する上でのSmartBookの有効性を明らかにした。
  論文  参考訳（メタデータ） (2023-03-25T03:03:00Z)
• VMSMO: Learning to Generate Multimodal Summary for Video-based News Articles [63.32111010686954]
  マルチモーダル出力(VMSMO)を用いたビデオベースマルチモーダル要約の課題を提案する。 このタスクの主な課題は、ビデオの時間的依存性と記事の意味を共同でモデル化することである。 本稿では,デュアルインタラクションモジュールとマルチモーダルジェネレータからなるDual-Interaction-based Multimodal Summarizer (DIMS)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T02:19:16Z)

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。