論文の概要: IIRSim Studio: A Dashboard for User Simulation
- arxiv url: http://arxiv.org/abs/2604.23406v1
- Date: Sat, 25 Apr 2026 18:53:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.318107
- Title: IIRSim Studio: A Dashboard for User Simulation
- Title（参考訳）: IIRSim Studio: ユーザシミュレーションのためのダッシュボード
- Authors: Saber Zerhoudi, Adam Roegiest, Michael Granitzer,
- Abstract要約: IIRSim Studioはシミュレーションフレームワーク上にシミュレーションパイプラインを構成するビジュアル環境である。
IIRSim Studioは、ホストサービスとポータブルなコンテナ化されたデプロイメントとして利用できる。
- 参考スコア（独自算出の注目度）: 2.3423826856721557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: User simulation is a valuable methodology for evaluation in Information Retrieval (IR), enabling low-cost experimentation and counterfactual analysis. However, existing simulation frameworks are primarily code-centric libraries that require substantial setup effort, which limits adoption and hinders reproducibility. The bottleneck is not the simulation engines themselves, but the lack of infrastructure connecting experiment design, execution, and sharing into a single verifiable workflow. This paper introduces IIRSim Studio, a web-based workbench that addresses this gap through four contributions: (1) a visual environment for composing simulation pipelines on top of simulation frameworks, serving both novices learning simulation concepts and experts piloting large-scale experiments; (2) a component lifecycle that supports authoring, versioning, and sharing custom simulation components through Git-backed storage and runtime injection; (3) a provenance model based on experiment bundles and environment templates that makes the scope of replication explicit; and (4) a shared-task workflow, demonstrated through the re-deployment of a Sim4IA micro-task. IIRSim Studio is available as a hosted service and as a portable containerized deployment.
- Abstract（参考訳）: ユーザシミュレーションは、低コストな実験と対実分析を可能にする情報検索(IR)における評価のための貴重な方法論である。
しかし、既存のシミュレーションフレームワークは主にコード中心のライブラリであり、かなりのセットアップ作業を必要とするため、採用が制限され再現性が妨げられる。
ボトルネックはシミュレーションエンジン自身ではなく、単一の検証可能なワークフローに実験設計、実行、共有を接続するインフラストラクチャの欠如にあります。
本稿では,(1)シミュレーションフレームワーク上にシミュレーションパイプラインを構築する視覚環境,(2)大規模実験を行う初心者のシミュレーションコンセプトと専門家,(2)Gitベースのストレージとランタイムインジェクションによるカスタムシミュレーションコンポーネントのオーサリング,バージョニング,共有をサポートするコンポーネントライフサイクル,(3)レプリケーションのスコープを明確にした実験バンドルと環境テンプレートに基づく実証モデル,(4)Sim4IAマイクロタスクの再デプロイによる共有タスクワークフロー,という4つのコントリビューションを通じて,このギャップに対処するWebベースのワークベンチであるIIRSim Studioを紹介する。
IIRSim Studioは、ホストサービスとポータブルなコンテナ化されたデプロイメントとして利用できる。
関連論文リスト
- Mind the Sim2Real Gap in User Simulation for Agentic Tasks [101.69142591891234]
ユーザシミュレーションにおけるSim2Realのギャップを形式化し、実際の人間に対して$$$-benchプロトコルを実行する最初の研究を示す。
LLMシミュレータは過度に協調的であり、スタイリスティックに均一であり、現実的なフラストレーションや曖昧さを欠いている。
これらの知見は, LLMベースのユーザシミュレータをエージェント開発サイクルで使用する際の人間による検証の重要性を強調した。
論文 参考訳（メタデータ） (2026-03-11T19:12:31Z) - Large Language Model Agent for User-friendly Chemical Process Simulations [0.0]
大規模言語モデル (LLM) エージェントは AVEVA Process Model Protocol (MCP) と統合され、自然言語のシミュレーションを可能にする。
2つのケーススタディは、異なるタスクの複雑さと相互作用モードにわたるフレームワークを評価する。
このフレームワークは、技術的な概念の翻訳と実証によって教育目的と、データ抽出の自動化、ルーチンタスクの高速化、サポートによって経験豊富な実践者の両方に役立ちます。
オーバーシンプル化、計算エラー、技術的ヒックアップといった現在の制限は専門家の監視を必要とするが、このフレームワークはLSMベースのエージェントが貴重な協力者になれることを示唆している。
論文 参考訳（メタデータ） (2026-01-15T12:18:45Z) - Simulating Environments with Reasoning Models for Agent Training [55.98861707136674]
トレーニング用の起動環境の構築は重く、脆く、進捗を制限します。
我々はSimia-SFTとSimia-RLの2つのフレームワークを提案する。
Simia-SFTとSimia-RLは、環境工学を使わずにスケーラブルなエージェントトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-11-03T18:29:57Z) - YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。
ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。
我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
論文 参考訳（メタデータ） (2025-05-12T14:05:17Z) - Phantora: Maximizing Code Reuse in Simulation-based Machine Learning System Performance Estimation [13.326000659635378]
Phantoraは、機械学習トレーニングワークロードのパフォーマンス見積のための、ハイブリッドGPUクラスタシミュレータである。
MLフレームワークのソースコードをシミュレーションで直接再利用することが可能で、再実装の必要がなくなる。
Phantoraは最先端のトレーニングフレームワークを3つサポートしている。
論文 参考訳（メタデータ） (2025-05-02T22:36:24Z) - Metadata practices for simulation workflows [0.0]
本稿では,ソフトウェアやハードウェアに依存しないメタデータの取得と処理に関する一般的な実践について述べる。
1) メタデータを記録、保存し、2) メタデータを選択し、構造化する。
概念実証として、我々は第2段階を支援するPythonツールであるArchivistを開発し、それを使って、神経科学や水文学などの高性能コンピューティングユースケースに私たちのプラクティスを適用します。
論文 参考訳（メタデータ） (2024-08-30T14:12:31Z) - In Situ Framework for Coupling Simulation and Machine Learning with
Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。
シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。
この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文 参考訳（メタデータ） (2023-06-22T14:07:54Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳（メタデータ） (2022-06-22T19:33:21Z)
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。