論文の概要: SHARE: Social-Humanities AI for Research and Education

• arxiv url: http://arxiv.org/abs/2604.11152v1
• Date: Mon, 13 Apr 2026 08:14:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.421046
• Title: SHARE: Social-Humanities AI for Research and Education
• Title（参考訳）: SHARE:研究・教育のための社会福祉AI
• Authors: João Gonçalves, Sonia de Jager, Petr Knoth, David Pride, Nick Jelicic,
• Abstract要約: 本報告では,ベースモデルのSHAREファミリとMIRRORユーザインタフェースを紹介する。 SHAREモデルは、社会科学と人文科学(SSH)によって事前訓練された最初の因果言語モデルである SSHテキストのモデリングにおけるそれらのパフォーマンスは、100倍以上のトークンを使用する汎用モデル(Phi-4)に近い。
• 参考スコア（独自算出の注目度）: 2.1364641669954536
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This intermediate technical report introduces the SHARE family of base models and the MIRROR user interface. The SHARE models are the first causal language models fully pretrained by and for the social sciences and humanities (SSH). Their performance in modelling SSH texts is close to that of general purpose models (Phi-4) which use 100 times more tokens, as shown by our custom SSH Cloze benchmark. The MIRROR user interface is designed for reviewing text inputs from the SSH disciplines while preserving critical engagement. By prototyping a generative AI interface that does not generate any text, we propose a way to harness the capabilities of the SHARE models without compromising the integrity of SSH principles and norms.
• Abstract（参考訳）: この中間技術報告では、ベースモデルのSHAREファミリとMIRRORユーザインタフェースが紹介されている。 SHAREモデルは、社会科学と人文科学(SSH)によって事前訓練された最初の因果言語モデルである。 SSHテキストのモデリングにおけるそれらのパフォーマンスは、カスタムSSH Clozeベンチマークで示されているように、100倍以上のトークンを使用する汎用モデル(Phi-4)に近い。 MIRRORユーザインタフェースは、SSH分野からのテキスト入力をレビューし、重要なエンゲージメントを保持するように設計されている。 テキストを生成しない生成AIインターフェースをプロトタイピングすることにより、SSHの原則や規範の整合性を損なうことなく、SHAREモデルの能力を活用できる方法を提案する。

関連論文リスト

• PersonaHOI: Effortlessly Improving Personalized Face with Human-Object Interaction Generation [62.85437763951757]
  PersonaHOIは、一般の安定拡散モデルとパーソナライズされた顔拡散(PFD)モデルとを融合させて、アイデンティティ一貫性のある人間-オブジェクト相互作用(HOI)画像を生成する、トレーニングおよびチューニング不要なフレームワークである。
  論文  参考訳（メタデータ） (2025-01-10T10:01:36Z)
• HumanEval on Latest GPT Models -- 2024 [2.3279007422505322]
  このデータセットは、自然言語とプログラミング言語のデータに対してCODEGENと呼ばれる言語モデルで使用されるように初期開発された。 これらのトレーニングされたモデルの実用性は、HumanEvalタスク上のゼロショットPythonコード生成において、競争力のあるパフォーマンスを示すことで示される。
  論文  参考訳（メタデータ） (2024-02-20T04:17:21Z)
• Integrating Self-supervised Speech Model with Pseudo Word-level Targets from Visually-grounded Speech Model [57.78191634042409]
  擬似単語レベルのターゲットを学習プロセスに統合するフレームワークであるPseudo-Word HuBERT(PW-HuBERT)を提案する。 4つの音声言語理解(SLU)ベンチマークによる実験結果から,意味情報の収集におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2024-02-08T16:55:21Z)
• Predicting SSH keys in Open SSH Memory dumps [0.0]
  セキュアシェルプロトコル(SSH)は、悪意のある活動の保護と潜在的なベールとして機能する。 本研究プロジェクトは,OpenSSHメモリダンプ内のSSHキーの予測に重点を置いている。 作業はSSHkexとSmartKexによって構築された基盤の上に構築され、強化することを目指している。
  論文  参考訳（メタデータ） (2024-01-24T16:03:57Z)
• Language-Guided World Models: A Model-Based Approach to AI Control [31.9089380929602]
  本稿では,LWM(Language-Guided World Models)の概念を紹介する。 LWMは、テキストを読むことで環境をシミュレートできる確率モデルである。 構成言語記述を一般化できる堅牢なLWMを開発するための最初のステップを採る。
  論文  参考訳（メタデータ） (2024-01-24T03:11:36Z)
• Contrastive Transformer Learning with Proximity Data Generation for Text-Based Person Search [60.626459715780605]
  記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。 このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。 本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-15T16:26:49Z)
• Generative Input: Towards Next-Generation Input Methods Paradigm [49.98958865125018]
  我々はGeneInputという新しい生成入力パラダイムを提案する。 すべての入力シナリオと他のインテリジェントな補助入力関数を処理するためにプロンプトを使用し、ユーザーフィードバックでモデルを最適化し、パーソナライズされた結果を提供する。 その結果,FK2C(Full-mode Key-sequence to Characters)タスクにおいて,最先端のパフォーマンスを初めて達成したことを示す。
  論文  参考訳（メタデータ） (2023-11-02T12:01:29Z)
• Continual Zero-Shot Learning through Semantically Guided Generative Random Walks [56.65465792750822]
  生成モデルを利用して、学習中に見えない情報が提供されない連続ゼロショット学習の課題に対処する。 本稿では,新しい意味誘導型生成ランダムウォーク(GRW)損失を用いた学習アルゴリズムを提案する。 提案アルゴリズムは,AWA1,AWA2,CUB,SUNデータセットの最先端性能を達成し,既存のCZSL手法を3～7%上回る結果を得た。
  論文  参考訳（メタデータ） (2023-08-23T18:10:12Z)
• Bridging Speech and Textual Pre-trained Models with Unsupervised ASR [70.61449720963235]
  この研究は、音声とテキストによる事前学習モデルを結ぶ、シンプルで効率的な教師なしのパラダイムを提案する。 教師なし自動音声認識(ASR)は、音声自己教師モデルから表現を改善することができることを示す。 特に、音声による質問応答では、挑戦的なNMSQAベンチマークよりも最先端の結果に到達しています。
  論文  参考訳（メタデータ） (2022-11-06T04:50:37Z)

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。