Fugu-MT 論文翻訳(概要): BIRDS: Characterizing and Understanding Biodiversity Impact of Large Language Model Serving

論文の概要: BIRDS: Characterizing and Understanding Biodiversity Impact of Large Language Model Serving

arxiv url: http://arxiv.org/abs/2605.27480v2
Date: Thu, 28 May 2026 02:27:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-30 02:45:54.827332
Title: BIRDS: Characterizing and Understanding Biodiversity Impact of Large Language Model Serving
Title（参考訳）: BIRDS:大規模言語モデルにおける生物多様性の影響の特徴と理解
Abstract要約: BIRDS は要求駆動 LLM Serving の生物多様性への影響のためのフレームワークである。要求レベルの機能単位を定義し、運用上および実施中の生物多様性への影響を定量化し、品質Normalized Biodiversity Impactを導入している。
参考スコア（独自算出の注目度）: 5.1094466593178325
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large language model (LLM) serving creates environmental impacts beyond carbon and water, including ecosystem damage through biodiversity-related pathways. We present BIRDS, a framework for Biodiversity Impact of Request-Driven LLM Serving. BIRDS defines request-level functional units, quantifies operational and embodied biodiversity impact, and introduces Quality-Normalized Biodiversity Impact (QNBI) to jointly analyze ecological impact and response quality. Across diverse workloads, models, GPUs, and regions, BIRDS reveals that biodiversity impact accumulates at scale and exposes actionable quality-aware serving tradeoffs.
Abstract（参考訳）: 大規模言語モデル(LLM)は、生物多様性に関連する経路を通じて生態系の損傷を含む、炭素や水以外の環境影響を生じさせる。本稿では,要求駆動型LLMサービングにおける生物多様性影響の枠組みであるBIRDSについて述べる。 BIRDSは、要求レベルの機能単位を定義し、運用および実施された生物多様性への影響を定量化し、生態的影響と応答品質を共同で分析するためにQNBIを導入している。さまざまなワークロード、モデル、GPU、リージョンにわたって、BIRDSは、生物多様性の影響が大規模に蓄積され、実行可能な品質を意識したサービストレードオフを公開することを明らかにしている。

関連論文リスト

Modeling Dependency-Propagated Ecosystem Impact of Changes in Maintenance Activities: Evaluating Support Strategies in the PyPI Network [83.16077040470975]
我々は、Python Package Index(PyPI)エコシステムを通じて、メンテナンスアクティビティの変化がどのように伝播するかをキャプチャする、エコシステム影響の依存性を意識したモデルを紹介します。以上の結果から, モデルによる生態系への影響の大部分が, 依存伝搬の影響に基づいて優先順位付けされた場合のPyPIパッケージ全体の0.1%に過ぎなかったことが示唆された。
論文参考訳（メタデータ） (2026-05-07T12:51:00Z)
BioAnalyst: A Foundation Model for Biodiversity [0.565395466029518]
本稿では,生物多様性分析と保全計画に適した最初の基礎モデルであるBioAnalystを紹介する。 BioAnalystは、広範なマルチモーダルデータセットに基づいて事前トレーニングされた、トランスフォーマーベースのアーキテクチャを採用している。本稿では,2つのダウンストリームユースケースにおけるモデルの性能評価を行い,既存手法と比較して汎用性を実証した。
論文参考訳（メタデータ） (2025-07-11T23:56:08Z)
When Servers Meet Species: A Fab-to-Grave Lens on Computing's Biodiversity Impact [2.664633466640672]
本稿では,コンピュータシステムによる生物多様性への影響のエンド・ツー・エンド分析について述べる。生物多様性指数(EBI)とOBI(Operational Biodiversity Index)の2つの新しい指標を導入し,生物多様性への影響をライフサイクル全体で定量化する。本稿では,計算負荷と生物多様性の影響を結びつけるモデリングフレームワークであるFABRICを紹介する。
論文参考訳（メタデータ） (2025-06-25T13:50:04Z)
BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
論文参考訳（メタデータ） (2025-05-29T17:48:20Z)
BioCube: A Multimodal Dataset for Biodiversity Research [0.31498833540989407]
生態学および生物多様性研究のための微細なグローバルデータセットであるBioCubeを紹介する。 BioCubeは、画像、オーディオ記録、説明、環境DNA、植生指標、農業、森林、土地の指標、高解像度気候変数を通じて種を観察する。
論文参考訳（メタデータ） (2025-05-16T09:46:08Z)
BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning [49.487327661584686]
実際の研究から5.1Kの複雑な経路問題を持つデータセットであるBioMazeを紹介する。 CoT法やグラフ拡張推論法などの手法の評価は,LLMが経路推論に苦慮していることを示している。そこで本稿では,インタラクティブなサブグラフベースのナビゲーションにより推論を強化するLLMエージェントであるPathSeekerを提案する。
論文参考訳（メタデータ） (2025-02-23T17:38:10Z)
Large Language Models for Bioinformatics [58.892165394487414]
本調査はバイオインフォマティクス特化言語モデル(BioLM)の進化,分類,特徴の識別に焦点をあてる。疾患診断, 薬物発見, ワクチン開発などの重要な分野において, バイオフィルムの幅広い応用について検討する。データプライバシやセキュリティ上の問題,解釈可能性の問題,トレーニングデータやモデル出力のバイアス,ドメイン適応複雑性など,BioLMに固有の重要な課題や制限を特定します。
論文参考訳（メタデータ） (2025-01-10T01:43:05Z)
DivShift: Exploring Domain-Specific Distribution Shifts in Large-Scale, Volunteer-Collected Biodiversity Datasets [0.0]
iNaturalistのような、コミュニティが特定した自然界の画像の大規模でボランティアが収集したデータセットは、機械学習手法を用いて種をきめ細かな視覚的分類するために、顕著なパフォーマンス向上を実現している。ここでは、ドメイン固有の分散シフトが機械学習モデルの性能に与える影響を定量化するフレームワークであるDiversity Shiftを紹介する。また、ボランティアが収集した生物多様性データに特有のバイアスの効果を診断するために、北米西海岸の約750万枚のiNaturalist画像のキュレートされたデータセットであるDivShift-North American West Coast (DivShift-NAWC)を紹介した。
論文参考訳（メタデータ） (2024-10-17T23:56:30Z)
An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
論文参考訳（メタデータ） (2024-02-21T11:27:31Z)
FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2023-11-17T00:53:09Z)
Ensembles of Vision Transformers as a New Paradigm for Automated Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文参考訳（メタデータ） (2022-03-03T14:16:22Z)
The I-ADOPT Interoperability Framework for FAIRer data descriptions of biodiversity [1.3192560874022086]
I-ADOPT WGは、観測された、測定された、計算された、または導出されたものを記述する共通のアプローチを構築するために形成された。 I-ADOPTフレームワークは、科学的な観察でよく見られる様々なパターンを記述するために使用できる、ハイレベルなセマンティックコンポーネントのセットを定義する。この貢献は、生物多様性領域でよく使われる変数を表現するために、I-ADOPTフレームワークをどのように適用できるかに焦点を当てる。
論文参考訳（メタデータ） (2021-07-14T08:30:10Z)

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。