論文の概要: Large Language Models for Assisting American College Applications

• arxiv url: http://arxiv.org/abs/2602.15850v1
• Date: Fri, 23 Jan 2026 19:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.648136
• Title: Large Language Models for Assisting American College Applications
• Title（参考訳）: アメリカの大学アプリケーションを支援するための大規模言語モデル
• Authors: Zhengliang Liu, Weihang You, Peng Shu, Junhao Chen, Yi Pan, Hanqi Jiang, Yiwei Li, Zhaojun Ding, Chao Cao, Xinliang Li, Yifan Zhou, Ruidong Zhang, Shaochen Xu, Wei Ruan, Huaqin Zhao, Dajiang Zhu, Tianming Liu,
• Abstract要約: EZCollegeAppは,高校生を支援する大規模言語モデル(LLM)システムである。 このシステムは、フォーム理解と回答生成を分離するマッピングファーストパラダイムを導入している。 本稿では,システムアーキテクチャ,データパイプライン,内部表現,セキュリティとプライバシ対策,自動テストと人的品質評価による評価について述べる。
• 参考スコア（独自算出の注目度）: 30.390325114345803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: American college applications require students to navigate fragmented admissions policies, repetitive and conditional forms, and ambiguous questions that often demand cross-referencing multiple sources. We present EZCollegeApp, a large language model (LLM)-powered system that assists high-school students by structuring application forms, grounding suggested answers in authoritative admissions documents, and maintaining full human control over final responses. The system introduces a mapping-first paradigm that separates form understanding from answer generation, enabling consistent reasoning across heterogeneous application portals. EZCollegeApp integrates document ingestion from official admissions websites, retrieval-augmented question answering, and a human-in-the-loop chatbot interface that presents suggestions alongside application fields without automated submission. We describe the system architecture, data pipeline, internal representations, security and privacy measures, and evaluation through automated testing and human quality assessment. Our source code is released on GitHub (https://github.com/ezcollegeapp-public/ezcollegeapp-public) to facilitate the broader impact of this work.
• Abstract（参考訳）: アメリカの大学応用では、学生が断片化された入学ポリシー、反復的、条件付きフォーム、そして複数の情報源を横断的に参照することを要求する曖昧な質問をナビゲートする必要がある。 本稿では,大規模言語モデル(LLM)を利用したシステムであるEZCollegeAppについて紹介する。 このシステムは、フォーム理解と回答生成を分離するマッピングファーストパラダイムを導入し、異種アプリケーションポータル間で一貫した推論を可能にする。 EZCollegeAppは、公式ウェブサイトからの文書の取り込み、検索強化された質問応答、自動提出なしでアプリケーションフィールドと一緒に提案を提示するヒューマン・イン・ザ・ループ・チャットボットインターフェースを統合する。 本稿では,システムアーキテクチャ,データパイプライン,内部表現,セキュリティとプライバシ対策,自動テストと人的品質評価による評価について述べる。 私たちのソースコードはGitHub(https://github.com/ezcollegeapp-public/ezcollegeapp-public)で公開されています。

関連論文リスト

• Multimodal Peer Review Simulation with Actionable To-Do Recommendations for Community-Aware Manuscript Revisions [16.556181117253473]
  論文提出前の効果的な原稿改訂を実現するために,マルチモーダル・コミュニティ対応のピアレビューシミュレーションのための対話型Webベースシステムを提案する。 本フレームワークは,マルチモーダル LLM を用いてテキスト情報と視覚情報を統合し,Web スケールの OpenReview データに基づく検索拡張生成 (RAG) によるレビュー品質を向上させる。 このシステムは既存の学術書記プラットフォームにシームレスに統合され、リアルタイムフィードバックとリビジョントラッキングのためのインタラクティブインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-11-14T02:29:23Z)
• Building Open-Retrieval Conversational Question Answering Systems by Generating Synthetic Data and Decontextualizing User Questions [49.413959071830945]
  本稿では,アノテーション付きリアルなOR-CONVQAダイアログを自動生成するパイプラインを提案する。 我々は,対話型質問応答対,自己完結型(Decontextualized,例:参照表現なし)バージョンのユーザ質問と提案を生成する。 検索された情報と非文化された質問は、システムの応答を生成するLCMに渡される。
  論文  参考訳（メタデータ） (2025-07-07T11:16:44Z)
• ALOHA: Empowering Multilingual Agent for University Orientation with Hierarchical Retrieval [7.016945185385475]
  大学指向の階層的検索により強化された多言語エージェントであるALOHAを紹介する。 システムは配備され、12,000人以上のサービスを提供している。
  論文  参考訳（メタデータ） (2025-05-13T00:01:03Z)
• Multi-Document Grounded Multi-Turn Synthetic Dialog Generation [22.7158929225259]
  本稿では,3つの主要なアイデアを取り入れたマルチドキュメント・グラウンド・マルチターン合成ダイアログ生成手法を提案する。 我々は,Chain-of-Thoughtプロンプトによって生成される分類に基づくユーザクエリを用いて,ダイアログ全体のフローを制御する。 我々は,複数文書の接地ダイアログの生成を支援する。
  論文  参考訳（メタデータ） (2024-09-17T19:02:39Z)
• ChatPLUG: Open-Domain Generative Dialogue System with Internet-Augmented Instruction Tuning for Digital Human [76.62897301298699]
  ChatPLUGは、デジタルヒューマンアプリケーションのための中国のオープンドメイン対話システムである。 モデルネームは, 自動評価と人的評価の両方において, 最先端の中国語対話システムより優れていることを示す。 高速な推論でスマートスピーカーやインスタントメッセージアプリケーションのような実世界のアプリケーションにモデルネームをデプロイします。
  論文  参考訳（メタデータ） (2023-04-16T18:16:35Z)
• InterviewBot: Real-Time End-to-End Dialogue System to Interview Students for College Admission [18.630848902825406]
  InterviewBotは会話履歴とカスタマイズされたトピックをコヒーレントな埋め込みスペースに統合する。 7,361件の人間対人間インタビューの音声録音を自動転写し、440件を手作業で微調整・評価する。 InterviewBotは、その回答をインタビューデータと比較することで統計的にテストし、プロのインタビュアーや様々な学生にリアルタイムで対話させることによって動的にテストする。
  論文  参考訳（メタデータ） (2023-03-27T09:46:56Z)
• What is wrong with you?: Leveraging User Sentiment for Automatic Dialog Evaluation [73.03318027164605]
  本稿では,次のユーザの発話から自動的に抽出できる情報をプロキシとして利用して,前のシステム応答の質を測定することを提案する。 本モデルは,実際のユーザおよび有償ユーザから収集した音声と書面の両方のオープンドメインダイアログコーパスを一般化する。
  論文  参考訳（メタデータ） (2022-03-25T22:09:52Z)
• Design Challenges for a Multi-Perspective Search Engine [44.48345943046946]
  我々は、新しい視点指向文書検索パラダイムについて研究する。 目的を達成するために,自然言語理解の課題を議論し,評価する。 我々は,プロトタイプシステムを用いて,我々のパラダイムの有用性を評価する。
  論文  参考訳（メタデータ） (2021-12-15T18:59:57Z)
• Open Domain Question Answering over Virtual Documents: A Unified Approach for Data and Text [62.489652395307914]
  我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。 具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。 UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
  論文  参考訳（メタデータ） (2021-10-16T00:11:21Z)

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。