Fugu-MT 論文翻訳(概要): A Context-Aware Cultural Heritage Guide Powered by LLMs

論文の概要: A Context-Aware Cultural Heritage Guide Powered by LLMs

arxiv url: http://arxiv.org/abs/2608.00549v1
Date: Sat, 01 Aug 2026 09:05:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-04 15:07:24.768255
Title: A Context-Aware Cultural Heritage Guide Powered by LLMs
Title（参考訳）: LLMを活用した文脈対応文化遺産ガイド
Abstract要約: 本稿では,Triangolazione(文化遺産ウェブアプリ)の拡張として,大規模言語モデル(LLM)が提供する文脈に依存した外部情報によるキュレーション内容の充実について紹介する。このシステムは、悪用されたLLMに依存しないアーキテクチャ内で、コンテキスト依存の情報検索と提示をサポートする。
参考スコア（独自算出の注目度）: 5.138012450471437
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We present an extension of Triangolazioni (a Cultural Heritage webapp) to enrich curated content with context-dependent, external information provided by Large Language Models (LLMs) within a loosely-coupled architecture agnostic to the LLM. The system supports context-dependent information search and presentation within an architecture agnostic to the exploited LLM.
Abstract（参考訳）: 本稿では,LLMとは無関係に疎結合なアーキテクチャ内で,大規模言語モデル(LLM)が提供する文脈依存の外部情報を用いて,キュレーションされたコンテンツを充実させるTriangolazioni(文化遺産ウェブアプリ)の拡張について述べる。このシステムは、悪用されたLLMに依存しないアーキテクチャ内で、コンテキスト依存の情報検索と提示をサポートする。

関連論文リスト

Enhancing Manufacturing Knowledge Access with LLMs and Context-aware Prompting [9.520082987178851]
大きな言語モデル(LLM)は、自然言語クエリを自動的にSPARQLフォーマットに変換することができる。我々は、知識グラフ(KG)からの情報検索を容易にするため、LCMを仲介者として利用する戦略を評価する。この結果から,KGスキーマの適切なコンテキストのみを提供すると,LLMは正しいクエリと完全なクエリを生成する際の性能を著しく向上できることがわかった。
論文参考訳（メタデータ） (2025-07-30T12:39:01Z)
Large Language Models are Good Relational Learners [55.40941576497973]
本稿では,グラフニューラルネットワーク(GNN)に基づくエンコーダを用いて,大規模言語モデル(LLM)のための構造化リレーショナルプロンプトを生成する新しいアーキテクチャであるRel-LLMを紹介する。従来のテキストベースのシリアライズ手法とは異なり,本手法はデータベース固有の関係構造を保ちながら,LLMが複雑なエンティティ関係を処理・推論することを可能にする。
論文参考訳（メタデータ） (2025-06-06T04:07:55Z)
Abstractive Visual Understanding of Multi-modal Structured Knowledge: A New Perspective for MLLM Evaluation [48.462734327375536]
MLLM(Multi-modal large language model)は、多種多様なシナリオやオブジェクトの包括的理解を可能にする。 MLLMの評価ベンチマークやリーダーボードの普及にもかかわらず、彼らはMLLMが視覚的に現れる構造化された抽象化で世界的知識を理解する上で重要な能力を見落としている。構造化理解のためのマルチモーダルマップを基盤とした,革新的なベンチマークであるM3STRを提案する。その結果,抽象的視覚情報を構造化知識で処理し,MLLMの総合的推論能力を向上させるための重要な軌道を図った。
論文参考訳（メタデータ） (2025-06-02T04:00:35Z)
LLM Inference Enhanced by External Knowledge: A Survey [16.319049759753106]
本研究では,外部知識を用いた大規模言語モデル(LLM)の強化戦略について検討する。比較分析では、解釈可能性、スケーラビリティ、パフォーマンスのトレードオフを強調しています。
論文参考訳（メタデータ） (2025-05-30T09:08:51Z)
KnowTrace: Bootstrapping Iterative Retrieval-Augmented Generation with Structured Knowledge Tracing [64.38243807002878]
我々は、大規模言語モデルにおけるコンテキスト過負荷を軽減するためのエレガントなRAGフレームワークであるKnowTraceを紹介する。 KnowTraceは、必要な知識三つ子を自律的に追跡して、入力された質問に関連する特定の知識グラフを整理する。 3つのマルチホップ質問応答ベンチマークで、既存のメソッドを一貫して上回っている。
論文参考訳（メタデータ） (2025-05-26T17:22:20Z)
Fine-tuning Multimodal Large Language Models for Product Bundling [53.01642741096356]
Bundle-MLLMは,大規模言語モデル(LLM)をハイブリットアイテムトークン化アプローチにより微調整する新しいフレームワークである。具体的には、テキスト、メディア、およびリレーショナルデータを統一トークン化に統合し、テキストトークンと非テキストトークンを区別するソフトな分離トークンを導入する。 1)バンドルパターンを学習し,2)製品バンドル固有のマルチモーダルセマンティック理解の強化を行う。
論文参考訳（メタデータ） (2024-07-16T13:30:14Z)
Wiki-LLaVA: Hierarchical Retrieval-Augmented Generation for Multimodal LLMs [39.54891426369773]
外部知識を必要とする疑問に答える能力を備えたモデルの提供に注力する。我々のアプローチはWiki-LLaVAと呼ばれ、マルチモーダル文書の外部知識ソースを統合することを目的としている。我々は,外部データによる視覚的質問応答に適したデータセットについて広範な実験を行い,その妥当性を実証する。
論文参考訳（メタデータ） (2024-04-23T18:00:09Z)
Improving Open Information Extraction with Large Language Models: A Study on Demonstration Uncertainty [52.72790059506241]
オープン情報抽出(OIE)タスクは、構造化されていないテキストから構造化された事実を抽出することを目的としている。一般的なタスク解決手段としてChatGPTのような大きな言語モデル(LLM)の可能性にもかかわらず、OIEタスクの最先端(教師付き)メソッドは遅れている。
論文参考訳（メタデータ） (2023-09-07T01:35:24Z)
Link-Context Learning for Multimodal LLMs [40.923816691928536]
リンクコンテキスト学習(LCL)はMLLMの学習能力を高めるために「原因と効果からの推論」を強調する。 LCLは、アナログだけでなく、データポイント間の因果関係も識別するようモデルに導出する。本手法の評価を容易にするため,ISEKAIデータセットを提案する。
論文参考訳（メタデータ） (2023-08-15T17:33:24Z)
Benchmarking Machine Translation with Cultural Awareness [50.183458829028226]
文化関連コンテンツの翻訳は、効果的な異文化間コミュニケーションに不可欠である。多くの文化特化項目(CSI)は言語間の翻訳を欠いていることが多い。この難しさは機械翻訳システムの文化的意識の分析を妨げる。
論文参考訳（メタデータ） (2023-05-23T17:56:33Z)
Augmented Large Language Models with Parametric Knowledge Guiding [72.71468058502228]
大規模言語モデル(LLM)は、言語理解と生成能力に優れた自然言語処理(NLP)を備えています。それらのパフォーマンスは、関連するデータへの限られた露出のために専門的な知識を必要とするドメイン固有のタスクに最適であるかもしれない。本稿では,LLMに関連知識にアクセスするための知識誘導モジュールを組み込んだ新しいPKGフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-08T15:05:16Z)

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。