論文の概要: From Idea to Prototype in an Afternoon: Scaffolded, AI-Assisted Rapid VA Prototyping

• arxiv url: http://arxiv.org/abs/2606.31311v1
• Date: Tue, 30 Jun 2026 08:19:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.137077
• Title: From Idea to Prototype in an Afternoon: Scaffolded, AI-Assisted Rapid VA Prototyping
• Title（参考訳）: アイデアからプロトタイプへ:AI支援型ラピッドVAプロトタイピング
• Abstract要約: 新しいビジュアル分析のアイデアをテストするには、通常数ヶ月かかる。 ワークフロー言語とAIアシスタントが、この作業を午後まで短縮したケースについて説明する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Testing a new visual-analytics idea usually takes months: one needs to find a realistic data set, clean it, and implement an interactive prototype. We describe a case where a workflow language and an AI assistant reduced this effort to one afternoon. The idea under test: relax the Pareto frontier with a tolerance and group the surviving options into recurring types -- ``constellations'' on a ``soft sky''. Using the Artifact--Transform Workflow Language (ATWL) as a scaffold, we obtained a consistent workflow in minutes and a running prototype in a few hours. We derive three lessons. The scaffold matters: without ATWL the assistant produced a naive workflow. The scaffold alone is not enough: the first implementation was only average, and expert knowledge injection was needed to reach state-of-the-art quality. Finally, the way the scaffold is used matters: controlled experiments show that a language definition and a library of examples support different aspects of the task, that providing both at once reduces quality because template following displaces creative content, and that scaffolds work best when introduced after an initial unconstrained design pass. We argue that the field needs a typology of human knowledge injection, in a form that is both human-editable and machine-accessible.
• Abstract（参考訳）: 現実的なデータセットを見つけ、きれいにし、インタラクティブなプロトタイプを実装する必要がある。 ワークフロー言語とAIアシスタントが、この作業を午後まで短縮したケースについて説明する。 テスト中のアイデアは、Paretoフロンティアをトレランスでリラックスさせ、生き残ったオプションを、'`soft sky''で' ``constellations''のように繰り返し型にまとめることだ。Artifact--Transform Workflow Language(ATWL)を足場として使用することにより、数分で一貫したワークフローと、実行中のプロトタイプを数時間で入手した。 私たちは3つの教訓を導き出す。 ATWLがなければ、アシスタントは素直なワークフローを生み出した。 足場だけでは不十分で、最初の実装は平均的であり、最先端の品質に到達するためには専門家の知識注入が必要だった。 最後に、足場の使用方法が問題となる: 制御された実験では、言語定義とサンプルのライブラリがタスクのさまざまな側面をサポートし、テンプレートがクリエイティブなコンテンツを置き換えるため、両方を提供すると品質が低下する。 我々は、この分野には人間の知識注入のタイプロジーが必要であると論じる。

関連論文リスト

• Towards Efficient Benchmarking of Foundation Models in Remote Sensing: A Capabilities Encoding Approach [3.7373615987126323]
  本稿では,複数の下流タスクにおいて,各タスクの微調整を必要とせずにモデルの性能を予測する手法を提案する。 我々は、与えられた新しいタスクに対する基礎モデルの選択を単純化する可能性を示し、それを既存の文献に対する新たな視点として採用する。
  論文  参考訳（メタデータ） (2025-05-06T08:29:18Z)
• Parameter-Efficient and Memory-Efficient Tuning for Vision Transformer: A Disentangled Approach [87.8330887605381]
  本稿では,学習可能なパラメータをわずかに限定して,事前学習した視覚変換器を下流認識タスクに適用する方法を示す。 学習可能で軽量なモジュールを用いてタスク固有のクエリを合成する。 本手法はメモリ制約下での最先端性能を実現し,実環境における適用性を示す。
  論文  参考訳（メタデータ） (2024-07-09T15:45:04Z)
• CoProNN: Concept-based Prototypical Nearest Neighbors for Explaining Vision Models [1.0855602842179624]
  ドメインエキスパートが自然言語で直感的にコンピュータビジョンタスクのコンセプトベースの説明を素早く作成できる新しいアプローチを提案する。 CoProNNのモジュラー設計は実装が簡単で、新しいタスクに適応しやすく、分類とテキスト・トゥ・イメージ・モデルを置き換えることができる。 我々の戦略は、粗粒度画像分類タスクにおける他の概念ベースのXAIアプローチと非常によく競合し、さらに細粒度細粒度タスクにおいてそれらの手法よりも優れることを示した。
  論文  参考訳（メタデータ） (2024-04-23T08:32:38Z)
• Shaping Human-AI Collaboration: Varied Scaffolding Levels in Co-writing with Language Models [2.7977579887628243]
  本稿では,大規模言語モデルから得られる様々な足場が共筆過程をいかに形成するかを考察する。 この結果は,AIを活用した筆記ツールの設計に幅広い影響を及ぼす。
  論文  参考訳（メタデータ） (2024-02-18T22:27:42Z)
• Towards Unifying Medical Vision-and-Language Pre-training via Soft Prompts [63.84720380390935]
  textiti. には、重い融合モジュールを使用するかどうかに応じて、融合エンコーダタイプと二重エンコーダタイプという2つの典型的なタイプがある。 PTUnifier という2つのタイプを統一する手法を提案する。 まず、最も代表的な画像/テキストを格納する機能バンクとして機能する視覚的およびテキスト的プロンプトを導入することで、入力形式を統一する。
  論文  参考訳（メタデータ） (2023-02-17T15:43:42Z)
• Understanding and Mitigating Overfitting in Prompt Tuning for Vision-Language Models [108.13378788663196]
  本稿では, トレーニング過程全体において, 低ランク部分空間にバックプロパゲーションの勾配を投影するSubspace Prompt Tuning(SubPT)を提案する。 我々はCoOpにノベル・ラーナー・フィーチャー(NFL)を装備し、学習したプロンプトをトレーニングセット以外の新しいカテゴリに一般化する能力を高める。
  論文  参考訳（メタデータ） (2022-11-04T02:06:22Z)
• Language Model Pre-Training with Sparse Latent Typing [66.75786739499604]
  そこで本研究では,多種多様な潜在型を持つ文レベルのキーワードを疎に抽出することのできる,事前学習対象Sparse Latent Typingを提案する。 実験結果から,本モデルは外部知識を使わずに,自己教師型で解釈可能な潜在型カテゴリを学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-10-23T00:37:08Z)
• Interactive and Visual Prompt Engineering for Ad-hoc Task Adaptation with Large Language Models [116.25562358482962]
  最先端のニューラルネットワークモデルは、教師付きトレーニングを必要とせずに、アドホックな言語タスクを解決するために使用することができる。 PromptIDEを使えば、ユーザはプロンプトのバリエーションを試すことができ、プロンプトのパフォーマンスを視覚化し、反復的にプロンプトを最適化できる。
  論文  参考訳（メタデータ） (2022-08-16T17:17:53Z)
• Detection, Disambiguation, Re-ranking: Autoregressive Entity Linking as a Multi-Task Problem [46.028180604304985]
  本稿では,2つの補助的なタスクで訓練された自己回帰エンティティリンクモデルを提案する。 我々は,2つの補助課題のそれぞれがパフォーマンスを向上し,再ランク付けが増加の重要な要因であることをアブレーション研究を通して示す。
  論文  参考訳（メタデータ） (2022-04-12T17:55:22Z)
• Prototype Completion for Few-Shot Learning [13.63424509914303]
  少数ショット学習は、いくつかの例で新しいクラスを認識することを目的としている。 事前学習に基づく手法は,特徴抽出器を事前学習し,最寄りのセントロイド型メタラーニングを通して微調整することで,この問題に効果的に対処する。 本稿では,完成度に基づくメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T03:44:00Z)
• Contrastive Prototype Learning with Augmented Embeddings for Few-Shot Learning [58.2091760793799]
  拡張埋め込み(CPLAE)モデルを用いた新しいコントラスト型プロトタイプ学習を提案する。 クラスプロトタイプをアンカーとして、CPLは、同じクラスのクエリサンプルを、異なるクラスのサンプルを、さらに遠くに引き出すことを目的としている。 いくつかのベンチマークによる大規模な実験により,提案したCPLAEが新たな最先端を実現することが示された。
  論文  参考訳（メタデータ） (2021-01-23T13:22:44Z)

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。

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。