論文の概要: Scaling Participation in Modular AI Systems

• arxiv url: http://arxiv.org/abs/2606.07812v1
• Date: Fri, 05 Jun 2026 19:39:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.461924
• Title: Scaling Participation in Modular AI Systems
• Title（参考訳）: モジュール型AIシステムにおける参加拡大
• Authors: Shangbin Feng, Yike Wang, Weijia Shi, Luke Zettlemoyer, Yejin Choi, Yulia Tsvetkov,
• Abstract要約: 多様な利害関係者のコントリビューションを通じて、モジュール型AIシステムがボトムアップから構築される新しいパラダイムであるスケーリング参加を紹介します。 参加者は自身の興味と優先順位に基づいてトレーニングされた小さなモデルに貢献する。
• 参考スコア（独自算出の注目度）: 120.28273284406968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanity is a mosaic of multifaceted talents and needs, and any truly intelligent AI must reflect that richness. Yet the LLMs used by all are built by the few -- a centralized market of monolithic AI models structurally ill-suited to capture the diversity of human knowledge, reasoning, and values. Here we introduce scaling participation, a new paradigm in which modular AI systems are built from the bottom up through the contributions of diverse stakeholders. Participants contribute small models trained on their own interests and priorities; these models then collaborate in modular frameworks as compositional AI systems. Participatory AI systems outperform monolithic LLMs by up to 15.4% across 15 tasks, such as reasoning and factuality, surpassing models larger than all contributed components combined. Further experiments show that participatory AI systems benefit from contributor diversity, substantially improve on each contributor's original priorities, and exhibit emergent capabilities that allow them to solve over 15% of problems where all individual models fail. Scaling participation provides a technical foundation for transitioning from the monolithic status quo toward an open, bottom-up, and collaborative AI future.
• Abstract（参考訳）: 人間性は多面的な才能とニーズのモザイクであり、真にインテリジェントなAIは、その豊かさを反映しなければならない。 モノリシックなAIモデルの集中市場は、人間の知識、推論、価値の多様性を捉えるのに、構造的に不適当です。 ここでは、多様な利害関係者の貢献を通じて、モジュール型AIシステムが下位から構築される新しいパラダイムであるスケーリング参加を紹介します。 参加者は自身の興味と優先順位に基づいてトレーニングされた小さなモデルに貢献する。 参加型AIシステムは、推論や事実性など15のタスクでモノリシックLLMを最大15.4%上回り、コントリビューションされたすべてのコンポーネントよりも大きいモデルを上回っている。 さらなる実験では、参加型AIシステムはコントリビュータの多様性の恩恵を受け、コントリビュータの元々の優先順位を大幅に改善し、各モデルが失敗する問題の15%以上を解決できる創発的な能力を示す。 スケールアップ参加は、モノリシックな現状から、オープンでボトムアップ、コラボレーティブなAI未来に移行するための技術的基盤を提供する。

関連論文リスト

• Modularity is the Bedrock of Natural and Artificial Intelligence [51.60091394435895]
  モジュラリティは、効率的な学習と強力な一般化能力をサポートするために重要であることが示されている。 ナチュラルインテリジェンスにおけるその役割と、さまざまな異なるように見えるAIサブフィールドでのメリットが証明されているにもかかわらず、モジュラリティはメインストリームのAI研究において比較的過小評価されている。 特に、モジュラリティがもたらす計算上の優位性や、それがいくつかのAI研究領域にまたがるソリューションとして現れる方法、そしてモジュラリティが、自然と人工知能のギャップを埋めるのにどのように役立つかを検討する。
  論文  参考訳（メタデータ） (2026-02-21T21:47:09Z)
• Embodied AI: From LLMs to World Models [65.68972714346909]
  人工知能(AI)は、人工知能(AGI)を実現するためのインテリジェントシステムパラダイムである。 近年のLarge Language Models(LLMs)とWorld Models(WMs)のブレークスルーは、AIを具現化する上で大きな注目を集めている。
  論文  参考訳（メタデータ） (2025-09-24T11:37:48Z)
• A Nature-Inspired Colony of Artificial Intelligence System with Fast, Detailed, and Organized Learner Agents for Enhancing Diversity and Quality [0.0]
  我々は、CNNベースのAIエージェントのコロニーを構築し、単一のシステムとして機能させるアプローチを提案する。 提案システムは、アリコロニーやヒトコロニーのような生物学的システムの自然環境を識別する。 AIのコロニーにおける高速で詳細な学習者の進化は、ユニークな1対1マッピングを導入することで達成される。
  論文  参考訳（メタデータ） (2025-04-07T12:13:14Z)
• The Society of HiveMind: Multi-Agent Optimization of Foundation Model Swarms to Unlock the Potential of Collective Intelligence [6.322831694506287]
  複数のAIファンデーションモデル間のインタラクションをオーケストレーションするフレームワークを開発する。 このフレームワークは、主に現実世界の知識を必要とするタスクに対して、無視可能なメリットを提供する。 一方、我々は、集中的な論理的推論を必要とするタスクの大幅な改善について言及する。
  論文  参考訳（メタデータ） (2025-03-07T14:45:03Z)
• Why AI Is WEIRD and Should Not Be This Way: Towards AI For Everyone, With Everyone, By Everyone [47.19142377073831]
  本稿では,開発の各段階で包括的なAIシステムを構築するためのビジョンを提案する。 我々は、現在のAIパイプラインとそのWEIRD表現における重要な制限に対処する。
  論文  参考訳（メタデータ） (2024-10-09T10:44:26Z)
• Imaginations of WALL-E : Reconstructing Experiences with an Imagination-Inspired Module for Advanced AI Systems [2.452498006404167]
  本システムは,テキスト入力と他のモダリティのギャップを埋めるイマジネーションに着想を得たモジュールを備える。 これは、人間の解釈と異なるが、等しく有効であるかもしれない概念の独特な解釈につながる。 この研究は、想像力に触発されたAIシステムの開発における重要な進歩を表している。
  論文  参考訳（メタデータ） (2023-08-20T20:10:55Z)
• WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
  我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。 そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T12:25:21Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。

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。