論文の概要: Large Language Models as Search Engines: Societal Challenges
- arxiv url: http://arxiv.org/abs/2512.08946v1
- Date: Mon, 24 Nov 2025 12:59:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-15 04:16:52.558516
- Title: Large Language Models as Search Engines: Societal Challenges
- Title（参考訳）: 検索エンジンとしての大規模言語モデル:社会的な課題
- Authors: Zacchary Sadeddine, Winston Maxwell, Gaël Varoquaux, Fabian M. Suchanek,
- Abstract要約: 大規模言語モデル(LLM)は、いつか検索エンジンをウェブ上の情報の主要なポータルとして置き換えるかもしれない。
本稿では,このような変化がもたらす社会的課題について考察する。
- 参考スコア（独自算出の注目度）: 21.113599077463018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) may one day replace search engines as the primary portal to information on the Web. In this article, we investigate the societal challenges that such a change could bring. We focus on the roles of LLM Providers, Content Creators, and End Users, and identify 15 types of challenges. With each, we show current mitigation strategies -- both from the technical perspective and the legal perspective. We also discuss the impact of each challenge and point out future research opportunities.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、いつか検索エンジンをウェブ上の情報の主要なポータルとして置き換えるかもしれない。
本稿では,このような変化がもたらす社会的課題について考察する。
LLMプロバイダ,コンテンツクリエータ,エンドユーザの役割に重点を置いて,15種類の課題を特定します。
それぞれについて、技術的な視点と法的視点の両方から、現在の緩和戦略を示します。
また,各課題の影響についても論じ,今後の研究機会を指摘する。
関連論文リスト
- From Questions to Insights: Exploring XAI Challenges Reported on Stack Overflow Questions [1.8049331600471712]
解釈可能性の欠如は、AIモデルの実用的使用を制限する主要な障壁である。
XAI技術(例えばSHAP、LIME)はこれらのモデルの性能を解釈するために使われてきた。
我々は,これらの課題,その重症度,XAI技術をより使いやすくするための特徴を明らかにするために,探索的研究を行った。
論文 参考訳（メタデータ） (2025-04-03T23:33:46Z) - A Review of the Challenges with Massive Web-mined Corpora Used in Large Language Models Pre-Training [0.0]
このレビューでは、ノイズ(不適切な情報や誤解を招く情報)、コンテンツの重複、品質の低い情報や誤った情報の存在、バイアス、機密情報や個人情報をウェブマイニングコーパスに含めることなど、この分野における重要な課題を明らかにしている。
データクリーニング、前処理、バイアス検出、緩和のための現在の手法を検討することで、既存のアプローチのギャップを強調し、今後の研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-07-10T13:09:23Z) - Foundational Challenges in Assuring Alignment and Safety of Large Language Models [171.01569693871676]
この研究は、大規模言語モデル(LLM)のアライメントと安全性の確保における18の基本的な課題を特定する。
特定された課題に基づいて、200ドル以上の具体的な研究質問を投げかけます。
論文 参考訳（メタデータ） (2024-04-15T16:58:28Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
論文 参考訳（メタデータ） (2023-12-29T14:25:22Z) - Online Advertisements with LLMs: Opportunities and Challenges [51.96140910798771]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。
提案手法は,LLM広告の修正,入札,予測,オークションモジュールから構成される。
論文 参考訳（メタデータ） (2023-11-11T02:13:32Z) - Language Models as a Service: Overview of a New Paradigm and its
Challenges [47.75762014254756]
現在最も強力な言語モデルはプロプライエタリなシステムであり、(典型的には制限のある)Webやプログラミングでのみアクセス可能である。
本稿では,LMインタフェースのアクセシビリティ,複製性,信頼性,信頼性の障害となる課題について述べる。
一方で、現在のメジャーなLMに関する既存の知識の総合的なリソースとして機能し、インターフェースが提供するライセンスと機能の概要を総合的に提供する。
論文 参考訳（メタデータ） (2023-09-28T16:29:52Z) - Machine Learning Towards Intelligent Systems: Applications, Challenges,
and Opportunities [8.68311678910946]
機械学習(ML)は、人間が大量のデータを処理するためのメカニズムを提供する。
このレビューは教育、医療、ネットワークセキュリティ、銀行と金融、ソーシャルメディアといった分野と応用に焦点を当てている。
論文 参考訳（メタデータ） (2021-01-11T01:32:15Z)
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。