Fugu-MT 論文翻訳(概要): The Human-Machine Knowledge Spiral

論文の概要: The Human-Machine Knowledge Spiral

arxiv url: http://arxiv.org/abs/2606.29227v1
Date: Sun, 28 Jun 2026 06:31:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.839057
Title: The Human-Machine Knowledge Spiral
Title（参考訳）: 人間と機械の知識スパイラル
Abstract要約: Nonaka氏は、イノベーションは暗黙の知識と明示的な知識の間に連続したバック・アンド・フォースの結果である、と強調した。知識を創造する企業の中心的な役割は同じです。
参考スコア（独自算出の注目度）: 1.8352113484137629
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nonaka emphasized that innovation is the result of a continuous back-and-forth between tacit and explicit knowledge. Artificial intelligence introduces a fundamentally new object into this process -- tacit machine knowledge -- but Nonaka's ideas are more relevant than ever. The central role of the knowledge-creating company remains the same: to create the shared context in which different kinds of knowledge can feed off each other, become organizational knowledge, and set off further cycles of innovation.
Abstract（参考訳）: Nonaka氏は、イノベーションは暗黙の知識と明示的な知識の間に連続したバック・アンド・フォースの結果である、と強調した。人工知能は、このプロセスに根本的に新しいオブジェクト、すなわち暗黙の機械知識を導入しますが、Nonaka氏の考えはこれまで以上に関連しています。異なる種類の知識が相互に供給し合い、組織的な知識となり、イノベーションのさらなるサイクルをスタートする共有コンテキストを作ること。

関連論文リスト

A Community-driven vision for a new Knowledge Resource for AI [54.6699845861346]
WordNetのような知識リソースの成功にもかかわらず、検証可能な汎用的な知識ソースは、AIインフラストラクチャにおいて重要な欠陥である。本稿では,この知見を要約し,新しい知識基盤に向けたコミュニティ主導のビジョンを概説する。
論文参考訳（メタデータ） (2025-06-19T20:51:28Z)
How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training [92.88889953768455]
大きな言語モデル(LLM)は、どのようにして新しい知識を内部化するかを理解する上で、重大なギャップに直面します。知識記憶と処理を容易にする計算サブグラフを同定する。
論文参考訳（メタデータ） (2025-02-16T16:55:43Z)
Permissible Knowledge Pooling [0.0]
本稿では,知識プーリングと共有のための新しいモーダル論理を提案する。また、それらの公理化の概要を述べ、許容可能な知識プールのための潜在的なフレームワークについて論じている。
論文参考訳（メタデータ） (2024-04-04T12:51:28Z)
Towards Knowledge-Grounded Natural Language Understanding and Generation [1.450405446885067]
この論文は、トランスフォーマーモデルによる自然言語の理解と生成が、モデルに知識表現を組み込むことの利点について考察する。この論文では、関連性のある、最新のエンティティの知識を取り入れることで、偽ニュース検出の恩恵を受ける。パラメトリックな知識や蒸留された知識といった他の一般的な知識は、多言語および多言語的な知識集約的なタスクを強化することが確立されている。
論文参考訳（メタデータ） (2024-03-22T17:32:43Z)
Stable Knowledge Editing in Large Language Models [68.98582618305679]
本稿では,知識ローカライゼーションではなく,知識増強に基づく知識編集手法であるStableKEを紹介する。人間のラベル付けのコストを克服するため、StableKEは2つの自動知識増強戦略を統合している。 StableKEは、他の知識編集方法を超え、編集された知識とマルチホップ知識の両方の安定性を示す。
論文参考訳（メタデータ） (2024-02-20T14:36:23Z)
Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文参考訳（メタデータ） (2023-10-11T08:22:37Z)
Learning by Applying: A General Framework for Mathematical Reasoning via Enhancing Explicit Knowledge Learning [47.96987739801807]
本稿では,既存のモデル(バックボーン)を明示的な知識学習によって原則的に拡張する枠組みを提案する。 LeApでは,新しい問題知識表現パラダイムで知識学習を行う。 LeApはすべてのバックボーンのパフォーマンスを改善し、正確な知識を習得し、より解釈可能な推論プロセスを実現する。
論文参考訳（メタデータ） (2023-02-11T15:15:41Z)
Preserving Earlier Knowledge in Continual Learning with the Help of All Previous Feature Extractors [63.21036904487014]
時間とともに新しい知識の継続的な学習は、インテリジェントシステムがより多くのオブジェクトのクラスを認識するのに望ましい能力の1つである。これまでに学んだすべての特徴抽出器をインテリジェントモデルに組み込むことで、シンプルで効果的な融合メカニズムを提案します。複数の分類タスクの実験により,提案手法は従来の知識の忘れを効果的に減らし,最先端の継続的学習性能を達成できることが示されている。
論文参考訳（メタデータ） (2021-04-28T07:49:24Z)
Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。テキスト分類実験は有望な結果を示す。我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文参考訳（メタデータ） (2020-12-25T12:27:44Z)

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。