論文の概要: LLMs Unplugged: Teaching Resources for a ChatGPT World

• arxiv url: http://arxiv.org/abs/2609.13183v1
• Date: Thu, 30 Jul 2026 07:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 21:38:01.391327
• Title: LLMs Unplugged: Teaching Resources for a ChatGPT World
• Title（参考訳）: LLM:ChatGPT世界のための教材
• Abstract要約: 本稿では,手作りのn-gramモデルと単純な重み付きサンプリングを用いて,世代間学習のループ(およびそれ以上)を教える。 これらのリソースに基づいたワークショップは,2次,3次,およびエグゼクティブ教育のコンテキストにわたって,400人以上の参加者に提供されています。
• 参考スコア（独自算出の注目度）: 1.2860261629047591
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are everywhere, yet many learners lack a concrete mental model of how they generate text. This paper presents LLMs Unplugged, an unplugged set of activities that teaches the training-to-generation loop (and beyond) using hand-built n-gram models and simple weighted sampling. Workshops based on these resources have been delivered to over 400 participants across secondary, tertiary, and executive-education contexts, and participants report that the activities demystify LLMs by reframing them as probabilistic "next word generation" at scale. All resources are freely available under a Creative Commons license at www.llmsunplugged.org, with a modular design that supports anything from a one hour crash course to a several-day intensive workshop.
• Abstract（参考訳）: 大きな言語モデル(LLM)は至る所にあるが、多くの学習者は、テキストの生成方法に関する具体的なメンタルモデルを持っていない。 本稿では,手作りn-gramモデルと単純な重み付きサンプリングを用いて,世代間ループ(およびそれ以上)のトレーニングを指導する無プラグなアクティビティセットであるLLMs Unpluggedを提案する。 これらのリソースに基づくワークショップは、中等教育、第三級教育、執行教育のコンテキストで400人以上の参加者に提供されており、参加者は、この活動がLLMを大規模に確率的「次の単語生成」とみなすことで、デミステリティーを損なうと報告している。 すべてのリソースはwww.llmsunplugged.orgのCreative Commonsライセンスの下で無料で利用できる。

関連論文リスト

• Ensemble Learning for Large Language Models in Text and Code Generation: A Survey [6.041894045506043]
  本稿では,理解を深め,さらなる研究を奨励し,テキストおよびコード生成における実践的実装を促進するための,新たなアンサンブルアプローチについてレビューする。 大規模言語モデルは、重み付け、知識融合、エキスパートの混合、出力アンサンブル、ルーティング、カスケードの7つの主要な方法に分類する。 この結果から,多様性表現の改善,出力品質の向上,アプリケーション柔軟性の向上など,重要なメリットが浮かび上がっている。
  論文  参考訳（メタデータ） (2025-03-13T18:50:57Z)
• Efficient Multitask Learning in Small Language Models Through Upside-Down Reinforcement Learning [8.995427413172148]
  小型言語モデル (SLM) はマルチタスクのプロンプト生成タスクにおいて競合性能を達成することができる。 Llama-3, Qwen2, Mistral など最先端モデルの 5% 以内の妥当性スコアを達成できる SLM のトレーニングを行う。
  論文  参考訳（メタデータ） (2025-02-14T01:39:45Z)
• Word2World: Generating Stories and Worlds through Large Language Models [5.80330969550483]
  大規模言語モデル(LLM)は様々な分野にまたがってその価値を証明している。 この研究は、LLMがストーリーを通してプレイ可能なゲームを手続き的に設計できるシステムであるWord2Worldを紹介した。
  論文  参考訳（メタデータ） (2024-05-06T14:21:52Z)
• Knowledgeable Agents by Offline Reinforcement Learning from Large Language Model Rollouts [10.929547354171723]
  本稿では,言語モデルロールアウト(KALM)の知識エージェントを紹介する。 大規模言語モデル(LLM)から、オフラインの強化学習手法によってエージェントが容易に学習できる想像上のロールアウトの形で知識を抽出する。 未確認の目標を持つタスクの実行において46%の成功率を達成し、ベースラインメソッドによって達成された26%の成功率を大幅に上回る。
  論文  参考訳（メタデータ） (2024-04-14T13:19:40Z)
• Supervised Knowledge Makes Large Language Models Better In-context Learners [94.89301696512776]
  大規模言語モデル(LLM)は、素早い工学を通して、文脈内学習能力の出現を示す。 自然言語理解と質問応答におけるLLMの一般化性と事実性の向上という課題は、まだ未解決のままである。 本研究では, LLM の信頼性を高める枠組みを提案する。1) 分布外データの一般化,2) 差別モデルによる LLM のメリットの解明,3) 生成タスクにおける幻覚の最小化。
  論文  参考訳（メタデータ） (2023-12-26T07:24:46Z)
• LMRL Gym: Benchmarks for Multi-Turn Reinforcement Learning with Language Models [56.25156596019168]
  本稿では,LMRL-Gymベンチマークを用いて,大規模言語モデル(LLM)のマルチターンRLの評価を行う。 我々のベンチマークは8つの異なる言語タスクで構成されており、複数ラウンドの言語相互作用が必要であり、オープンエンド対話やテキストゲームにおける様々なタスクをカバーする。
  論文  参考訳（メタデータ） (2023-11-30T03:59:31Z)
• LLM-Pruner: On the Structural Pruning of Large Language Models [65.02607075556742]
  大規模言語モデル(LLM)は、言語理解と生成において顕著な能力を示している。 タスク非依存であり、元のトレーニングデータセットへの依存を最小限に抑えるという2つの制約の範囲内でLLMの圧縮に取り組む。 LLM-Prunerという名前のこの手法は、非臨界結合構造を選択的に除去する構造プルーニングを採用する。
  論文  参考訳（メタデータ） (2023-05-19T12:10:53Z)
• mPLUG-Owl: Modularization Empowers Large Language Models with Multimodality [95.76661165594884]
  mPLUG-Owlは、大規模言語モデル(LLM)にマルチモーダル能力を持たせる訓練パラダイムである。 トレーニングパラダイムは、LLMの助けを借りて視覚知識を学ぶ、画像とテキストの整列のための2段階の手法を含む。 実験の結果,本モデルは既存のマルチモーダルモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-04-27T13:27:01Z)

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。