論文の概要: "Rebuilding" Statistics in the Age of AI: A Town Hall Discussion on Culture, Infrastructure, and Training
- arxiv url: http://arxiv.org/abs/2601.17510v1
- Date: Sat, 24 Jan 2026 16:15:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:07.895894
- Title: "Rebuilding" Statistics in the Age of AI: A Town Hall Discussion on Culture, Infrastructure, and Training
- Title（参考訳）: AI時代の「再建」統計:文化・インフラ・教育に関する市役所討論
- Authors: David L. Donoho, Jian Kang, Xihong Lin, Bhramar Mukherjee, Dan Nettleton, Rebecca Nugent, Abel Rodriguez, Eric P. Xing, Tian Zheng, Hongtu Zhu,
- Abstract要約: 市役所は開かれたパネルディスカッションと広範囲の聴衆のQ&Aを中心に構成された。
このプレプリントは、データとAI中心の未来における統計の役割の進化に関する透明性、コミュニティのリフレクション、進行中の対話をサポートすることを目的としている。
- 参考スコア（独自算出の注目度）: 39.65771411355121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article presents the full, original record of the 2024 Joint Statistical Meetings (JSM) town hall, "Statistics in the Age of AI," which convened leading statisticians to discuss how the field is evolving in response to advances in artificial intelligence, foundation models, large-scale empirical modeling, and data-intensive infrastructures. The town hall was structured around open panel discussion and extensive audience Q&A, with the aim of eliciting candid, experience-driven perspectives rather than formal presentations or prepared statements. This document preserves the extended exchanges among panelists and audience members, with minimal editorial intervention, and organizes the conversation around five recurring questions concerning disciplinary culture and practices, data curation and "data work," engagement with modern empirical modeling, training for large-scale AI applications, and partnerships with key AI stakeholders. By providing an archival record of this discussion, the preprint aims to support transparency, community reflection, and ongoing dialogue about the evolving role of statistics in the data- and AI-centric future.
- Abstract（参考訳）: 本稿では,2024年合同統計会議(JSM)の市役所「AI時代の統計」の全記録について述べる。
市役所は開かれたパネルディスカッションと広範囲な聴衆のQ&Aを中心に構成され、形式的なプレゼンテーションや準備された声明ではなく、率直で経験に基づく視点を引き出すことを目的としていた。
この文書は、パネリストと聴衆の交流を最小限の編集介入で保存し、ディシプリナ文化とプラクティス、データキュレーションと“データワーク”、現代的な経験的モデリングとの関わり、大規模AIアプリケーションのトレーニング、主要なAIステークホルダーとのパートナーシップに関する5つの繰り返し質問に関する会話を整理する。
この議論のアーカイブ記録を提供することで、プレプリントは、データとAI中心の未来における統計の役割の進化に関する透明性、コミュニティのリフレクション、進行中の対話をサポートすることを目的としている。
関連論文リスト
- An Overview of Large Language Models for Statisticians [109.38601458831545]
大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。
本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。
我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
論文 参考訳（メタデータ） (2025-02-25T03:40:36Z) - Future of Information Retrieval Research in the Age of Generative AI [61.56371468069577]
情報検索(IR)の急速に発展する分野では、大規模言語モデル(LLM)のような生成AI技術の統合が、情報の検索やインタラクションの方法を変えつつある。
このパラダイムシフトを認識したビジョンワークショップが2024年7月に開催され、生成AI時代のIRの将来について議論した。
本報告は、潜在的に重要な研究トピックとしての議論の要約を含み、学術、産業実践家、機関、評価キャンペーン、資金提供機関の推薦リストを含む。
論文 参考訳（メタデータ） (2024-12-03T00:01:48Z) - Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.266685603250416]
大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。
本稿では,ChatGPTインタフェースの対話型フィードバック機能によって,LLMへのユーザ参加が期待できるかを検討する。
論文 参考訳（メタデータ） (2024-08-27T13:50:37Z) - Auto-survey Challenge [0.0]
本稿では,大規模言語モデル(LLM)を自律的に作成・批判する能力を評価するための新しいプラットフォームを提案する。
このフレームワークの中で、AutoMLカンファレンス2023のコンペを開催しました。
入場者は、指定したプロンプトから記事の執筆に適したスタンドアローンモデルを提示し、その後評価する。
論文 参考訳（メタデータ） (2023-10-06T09:12:35Z) - PIPPA: A Partially Synthetic Conversational Dataset [13.393459829805144]
PIPPA(Personal Interaction Pairs between People and AI)という部分合成データセットを導入する。
PIPPAは、ロールプレイ愛好家のグループを含むコミュニティ主導のクラウドソーシング活動の結果である。
データセットは、26,000の会話セッションに分散された100万以上の発話で構成されている。
論文 参考訳（メタデータ） (2023-08-11T00:33:26Z) - Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。
本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
論文 参考訳（メタデータ） (2021-11-03T10:08:05Z) - A Hierarchical Network for Abstractive Meeting Summarization with
Cross-Domain Pretraining [52.11221075687124]
本稿では,会議シナリオに適応する抽象的要約ネットワークを提案する。
提案手法は,長時間の会議記録に対応する階層構造と,話者間の差異を表現する役割ベクトルを設計する。
我々のモデルは、自動測定と人的評価の両方において、過去のアプローチよりも優れています。
論文 参考訳（メタデータ） (2020-04-04T21:00:41Z)
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。