Fugu-MT 論文翻訳(概要): Characterising AI Models for Cataloguing

論文の概要: Characterising AI Models for Cataloguing

arxiv url: http://arxiv.org/abs/2607.11353v1
Date: Mon, 13 Jul 2026 10:16:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 17:47:21.426389
Title: Characterising AI Models for Cataloguing
Title（参考訳）: カタロギングのためのAIモデルの特徴付け
Abstract要約: 我々は,デジタルコレクション作成におけるAIモデルの適用性を評価した。この研究には、実施した実験の質的かつ定量的な評価と、特定のユースケースを超えたAIモデルの使用に関する推奨が含まれている。
参考スコア（独自算出の注目度）: 0.3819617852128932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The creation of digital collections involves not only the digitisation of content, but also the creation of catalogue records for it. This often-overlooked task requires slow and costly expert manual work. In this project, we have evaluated the application of AI models to this task, comparing different implementations and models. This work includes a qualitative and quantitative evaluation of the experiments carried out, as well as recommendations on the use of AI models that go beyond the specific use case.
Abstract（参考訳）: デジタルコレクションの作成には、コンテンツのデジタル化だけでなく、カタログレコードの作成も含まれる。しばしば見過ごされるこのタスクは、遅くてコストのかかる専門家の手作業を必要とします。このプロジェクトでは、AIモデルの適用性を評価し、異なる実装とモデルを比較した。この研究には、実施した実験の質的かつ定量的な評価と、特定のユースケースを超えたAIモデルの使用に関する推奨が含まれている。

関連論文リスト

A Survey on Efficient Vision-Language-Action Models [153.11669266922993]
VLA(Vision-Language-Action Model)は、物理世界の相互作用によってデジタル知識を橋渡しすることを目的とした、インテリジェンスにおける重要なフロンティアである。これらの課題に緊急に対応する必要性から、この調査は、効率的なビジョン・ランゲージ・アクションモデルに関する最初の包括的なレビューを提示する。
論文参考訳（メタデータ） (2025-10-27T17:57:33Z)
Improving Applicability of Deep Learning based Token Classification models during Training [0.0]
F1-Scoreで表される分類基準は、実際に機械学習モデルの適用性を評価するには不十分であることを示す。本稿では,視覚的文書理解とトークン分類タスクのソリューションとして,文書統合精度(Document Integrity Precision, DIP)を導入した。
論文参考訳（メタデータ） (2025-03-28T17:01:19Z)
Unlocking the Potential of Past Research: Using Generative AI to Reconstruct Healthcare Simulation Models [0.0]
本研究では、生成人工知能(AI)を用いたフリー・アンド・オープン・ソース・ソフトウェア(FOSS)を用いた出版モデルを再現する可能性について検討する。ユーザインタフェースを含む2つのDESモデルの生成,テスト,内部再現に成功した。報告された結果は1つのモデルで複製されたが、分布に関する情報が不足しているため、もう1つのモデルでは再現されなかった。
論文参考訳（メタデータ） (2025-03-27T16:10:02Z)
Beyond Content Relevance: Evaluating Instruction Following in Retrieval Models [25.301280441283147]
本研究では,コンテンツ関連性を超えた各種検索モデルの指示追従能力について検討した。 6つの文書レベル属性にまたがる新しい検索評価ベンチマークを開発した。その結果,命令対応検索データセットの微調整モデルでは性能が向上するが,ほとんどのモデルでは命令順守に欠けることがわかった。
論文参考訳（メタデータ） (2024-10-31T11:47:21Z)
CRAFT Your Dataset: Task-Specific Synthetic Dataset Generation Through Corpus Retrieval and Augmentation [51.2289822267563]
本稿では,実行すべきタスクを実演する少数のユーザ記述型少数ショットを前提として,合成データセットを生成する手法を提案する。我々は, CRAFTが生物, 医学, 常識質問応答(QA)の4つのタスクに対して, 大規模タスク特化学習データセットを効率的に生成できることを実証した。実験の結果, CRAFT を用いたモデルでは, 一般 LLM をQA タスクで上回ったり, 一致させたりしていることがわかった。
論文参考訳（メタデータ） (2024-09-03T17:54:40Z)
Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文参考訳（メタデータ） (2024-09-02T22:35:03Z)
OLMES: A Standard for Language Model Evaluations [64.85905119836818]
OLMESは、再現可能な言語モデル評価のための文書化された、実用的な、オープンな標準である。これは、複数の質問の非自然的な「閉じた」定式化を必要とする小さなベースモデル間の有意義な比較をサポートする。 OLMESには、既存の文献の結果によってガイドされた、よく考えられたドキュメント化されたレコメンデーションと、オープンな質問を解決する新しい実験が含まれている。
論文参考訳（メタデータ） (2024-06-12T17:37:09Z)
System for systematic literature review using multiple AI agents: Concept and an empirical evaluation [3.453564255183234]
体系的文献レビュー(SLR)は証拠に基づく研究の基礎である。本稿では,SLRの完全自動化を目的とした新しいマルチAIエージェントシステムを提案する。包括性と精度を維持しつつ,従来のSLRに必要な時間と労力を大幅に削減できることを示す。
論文参考訳（メタデータ） (2024-03-13T10:27:52Z)
QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文参考訳（メタデータ） (2023-11-06T00:21:44Z)
GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文参考訳（メタデータ） (2023-02-16T16:45:36Z)
Evaluating a Methodology for Increasing AI Transparency: A Case Study [8.265282762929509]
人工知能の潜在的な害に対する懸念が高まる中、社会はAIモデルとシステムがどのように作成され、使用されるかについて、より透明性を求めるようになった。これらの懸念に対処するため、いくつかの取り組みが、モデル開発者が答えるべき質問を含むドキュメンテーションテンプレートを提案している。多様なドキュメントコンシューマのニーズをカバーできるテンプレートはひとつもありません。
論文参考訳（メタデータ） (2022-01-24T20:01:01Z)
AI supported Topic Modeling using KNIME-Workflows [0.0]
本研究は、KNIMEワークフローにおける知識に基づくトピックモデリングサービスの実装に焦点を当てる。 DBPediaをベースとしたエンリッチメント手法の簡単な説明と評価と,エンリッチ化トピックモデルの比較評価について概説する。
論文参考訳（メタデータ） (2021-04-15T10:19:58Z)

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。