論文の概要: Toward Reusability of AI Models Using Dynamic Updates of AI Documentation

• arxiv url: http://arxiv.org/abs/2604.17626v1
• Date: Sun, 19 Apr 2026 21:42:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.609174
• Title: Toward Reusability of AI Models Using Dynamic Updates of AI Documentation
• Title（参考訳）: AI文書の動的更新を用いたAIモデルの再利用に向けて
• Authors: Peter Bajcsy, Walid Keyrouz,
• Abstract要約: この研究は、AIドキュメンテーション(AIモデルカード)を伴う再利用可能な人工知能(AI)モデルの普及という課題に対処する。 私たちの目標は、AIモデルカードテンプレートを更新する際の遅延時間を短縮し、AIドキュメントを現在のAIベストプラクティスとより緊密に調整することにあります。 私たちの仕事の影響は、AIモデルをドキュメント化し、AIモデルの再利用を改善するための、アジャイル、データ駆動、およびコミュニティベースの標準を提供するための方法論の導入にあります。
• 参考スコア（独自算出の注目度）: 1.503974529275767
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This work addresses the challenge of disseminating reusable artificial intelligence (AI) models accompanied by AI documentation (a.k.a., AI model cards). The work is motivated by the large number of trained AI models that are not reusable due to the lack of (a) AI documentation and (b) the temporal lag between rapidly changing requirements on AI model reusability and those specified in various AI model cards. Our objectives are to shorten the lag time in updating AI model card templates and align AI documentation more closely with current AI best practices. Our approach introduces a methodology for delivering agile, data-driven, and community-based AI model cards. We use the Hugging Face (HF) repository of AI models, populated by a subset of the AI research and development community, and the AI consortium-based Zero Draft (ZD) templates for the AI documentation of AI datasets and AI models, as our test datasets. We also address questions about the value of AI documentation for AI reusability. Our work quantifies the correlations between AI model downloads/likes (i.e., AI model reuse metrics) from the HF repository and their documentation alignment with the ZD documentation templates using tables of contents and word statistics (i.e., AI documentation quality metrics). Furthermore, our work develops the infrastructure to regularly compare AI documentation templates against community-standard practices derived from millions of uploaded AI models in the Hugging Face repository. The impact of our work lies in introducing a methodology for delivering agile, data-driven, and community-based standards for documenting AI models and improving AI model reuse.
• Abstract（参考訳）: この研究は、再利用可能な人工知能(AI)モデルにAIドキュメンテーション(つまりAIモデルカード)が付随する課題に対処する。 この研究は、不在のため再利用できない多くの訓練済みAIモデルによって動機付けられている。 (a)AIドキュメンテーション b)AIモデルの再利用性に関する要求が急速に変化することと,さまざまなAIモデルカードに規定される要件との間の時間的遅れ。 私たちの目標は、AIモデルカードテンプレートを更新する際の遅延時間を短縮し、AIドキュメントを現在のAIベストプラクティスとより緊密に調整することにあります。 このアプローチでは、アジャイル、データ駆動、コミュニティベースのAIモデルカードを提供する方法論を導入しています。 私たちは、AI研究と開発コミュニティのサブセットに代表されるAIモデルのHugging Face(HF)リポジトリと、AIデータセットとAIモデルのAIドキュメントにAIコンソーシアムベースのZero Draft(ZD)テンプレートをテストデータセットとして使用しています。 また、AI再利用性のためのAIドキュメントの価値に関する質問にも答える。 我々の研究は、HFリポジトリからのAIモデルのダウンロード/ライク(すなわち、AIモデルの再利用メトリクス)と、コンテンツテーブルとワード統計(つまり、AIドキュメントの品質メトリクス)を使用したZDドキュメントテンプレートとの相関関係を定量化します。 さらに、Hugging Faceリポジトリにアップロードされた数百万のAIモデルから得られたコミュニティ標準のプラクティスと、AIドキュメントテンプレートを定期的に比較するインフラストラクチャも開発しています。 私たちの仕事の影響は、AIモデルをドキュメント化し、AIモデルの再利用を改善するための、アジャイル、データ駆動、およびコミュニティベースの標準を提供するための方法論の導入にあります。

関連論文リスト

• Gaming the Arena: AI Model Evaluation and the Viral Capture of Attention [0.0]
  剣術的な「浴場」に着目してAIモデルを評価するいわゆる「アリーナ」の台頭について検討する。 私は、アリーナ化はAIコミュニティの中と外の両方の注目を集めたいという'ウイルス'の欲求に支えられていると論じます。
  論文  参考訳（メタデータ） (2025-12-17T09:50:13Z)
• Could AI Trace and Explain the Origins of AI-Generated Images and Text? [53.11173194293537]
  AI生成コンテンツは、現実の世界ではますます普及している。 敵は、大規模なマルチモーダルモデルを利用して、倫理的または法的基準に違反した画像を作成するかもしれない。 ペーパーレビュアーは、大きな言語モデルを誤用して、真の知的努力なしにレビューを生成する。
  論文  参考訳（メタデータ） (2025-04-05T20:51:54Z)
• Compliance Cards: Automated EU AI Act Compliance Analyses amidst a Complex AI Supply Chain [9.991293429067065]
  我々は、複雑なAIサプライチェーンの中で、プロバイダ側AIAコンプライアンス分析のための完全なシステムを導入する。 ひとつは、AIA固有のメタデータをキャプチャする、計算的でマルチステークホルダーの透明性アーティファクトのインターロックセットです。 第2のアルゴリズムは、AIシステムやモデルがAIAに準拠しているかどうかをリアルタイムで予測するアルゴリズムである。
  論文  参考訳（メタデータ） (2024-06-20T22:07:15Z)
• A comprehensible analysis of the efficacy of Ensemble Models for Bug Prediction [0.0]
  我々は,単一のAIモデルとアンサンブルAIモデルという,2つのAIベースのアプローチの比較と分析を行い,Javaクラスがバグのある確率を予測する。 実験結果から,AIモデルのアンサンブルは,個々のAIモデルの適用結果より優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-10-18T17:43:54Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• AI Model Utilization Measurements For Finding Class Encoding Patterns [2.702380921892937]
  この研究は、訓練された人工知能(AI)モデルの活用度測定を設計する際の問題に対処する。 この問題は、セキュリティおよび安全クリティカルなアプリケーションにおけるAIモデルの説明可能性の欠如によって動機付けられている。
  論文  参考訳（メタデータ） (2022-12-12T02:18:10Z)
• Choose, not Hoard: Information-to-Model Matching for Artificial Intelligence in O-RAN [8.52291735627073]
  Open Radio Access Network (O-RAN) は、ネットワーク基盤要素がオープンで標準化されたインターフェースを介して通信する新興パラダイムである。 重要な要素は、人工知能(AI)ベースのコントローラであるRAN Intelligent Controller(RIC)である。 本稿では、異なるRICにおける複数のAIモデルインスタンスの作成について紹介し、議論し、評価し、トレーニングのためにいくつかの(またはすべての)場所の情報を活用する。
  論文  参考訳（メタデータ） (2022-08-01T15:24:27Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)

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。