Fugu-MT 論文翻訳(概要): Large Language Models as Search Engines: Societal Challenges

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)
A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges [29.74898680986507]
複雑なゲームプレイシナリオにおけるLM使用状況と課題を概観する。我々は,ゲームにおけるLMの進歩に向けた将来的な研究の道のりについて,今後の展望を述べる。
論文参考訳（メタデータ） (2024-03-15T12:37:12Z)
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)
ACQUIRED: A Dataset for Answering Counterfactual Questions In Real-Life Videos [53.92440577914417]
ACQUIREDは3.9Kの注釈付きビデオで構成され、幅広いイベントタイプを包含し、ファーストパーソンとサードパーソンの両方の視点を取り入れている。各ビデオは、物理的、社会的、時間的な3つの異なる推論の次元にまたがる質問で注釈付けされている。我々は,現在最先端の言語のみおよびマルチモーダルモデルに対して,我々のデータセットをベンチマークし,実験結果から大きな性能差が示された。
論文参考訳（メタデータ） (2023-11-02T22:17:03Z)
A Survey on Detection of LLMs-Generated Content [97.87912800179531]
LLMの生成する内容を検出する能力が最重要視されている。既存の検出戦略とベンチマークの詳細な概要を提供する。また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
論文参考訳（メタデータ） (2023-10-24T09:10:26Z)
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)
Retrospectives on the Embodied AI Workshop [238.302290980995]
CVPRのEmbodied AI Workshopで発表された13の課題に注目します。これらの課題は,(1)視覚ナビゲーション,(2)再構成,(3)視覚と言語を具現化した3つのテーマに分類される。本稿では,各テーマにおける支配的データセット,課題評価指標,最先端モデルの性能について論じる。
論文参考訳（メタデータ） (2022-10-13T09:00:52Z)
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。