論文の概要: Tutoring Large Language Models to be Domain-adaptive, Precise and Safe

• arxiv url: http://arxiv.org/abs/2609.23071v1
• Date: Sat, 19 Sep 2026 15:06:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.670132
• Title: Tutoring Large Language Models to be Domain-adaptive, Precise and Safe
• Title（参考訳）: 大規模言語モデルをドメイン順応、正確、安全にチューニングする
• Abstract要約: この論文は、AIの安全性、倫理、文化的感受性における重要な課題に対処するための「責任ある知性」のためのフレームワークを提案する。 能動的学習とグラフに基づく知識を用いて、特殊分野におけるドメイン適応を改善し、幻覚を減らす。 これは、有害なテキスト生成をリアルタイムで積極的にブロックする新しい復号時間アライメント機構を通じて倫理的厳密性を高める。
• 参考スコア（独自算出の注目度）: 1.455557560509524
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This thesis proposes a framework for "responsible intelligence" to address AI's critical challenges in safety, ethics, and cultural sensitivity. It advances three core areas: First, it improves domain adaptation in specialized fields using active learning and graph-based knowledge to reduce hallucinations. Second, it enhances ethical rigor via a novel decoding-time alignment mechanism that proactively blocks harmful text generation in real-time. Finally, it ensures cultural and multilingual safety through language-specific steering that respects diverse linguistic and social norms. Ultimately, this work provides a blueprint for building next-generation AI that is contextually knowledgeable, ethically sound, and culturally adaptable.
• Abstract（参考訳）: この論文は、AIの安全性、倫理、文化的感受性における重要な課題に対処するための「責任ある知性」のためのフレームワークを提案する。 まず、能動的学習とグラフに基づく知識を用いて専門分野におけるドメイン適応を改善し、幻覚を減らす。 第二に、有害なテキスト生成をリアルタイムで積極的にブロックする新しい復号時間アライメント機構によって倫理的厳密性を高める。 最後に、多様な言語的・社会的規範を尊重する言語固有のステアリングを通じて、文化的・多言語的安全を保証する。 最終的にこの研究は、文脈的に理解され、倫理的に健全で、文化的に適応可能な、次世代AIを構築するための青写真を提供する。

関連論文リスト

• The Cost of Perfect English: Pragmatic Flattening and the Erasure of Authorial Voice in L2 Writing Supported by GenAI [1.8115445236898322]
  我々は、文化的に好まれる丁寧さと権威的スタンスを体系的に消去する「実用的平坦化」について検討する。 発見は、セマンティック保存パラドックス内のニュアンスな「次元のばらつき」を明らかにする。 我々は、多言語作家が言語強化にGenAIを使用することを許可するために、将来の指導は誤り訂正を超えて進めなければならないと論じている。
  論文  参考訳（メタデータ） (2026-05-13T06:26:18Z)
• Tutoring Large Language Models to be Domain-adaptive, Precise, and Safe [1.455557560509524]
  「責任インテリジェンス」は、大規模言語モデルの膨大な生成力を現実の展開の厳密な要求と整合させるために設計されたフレームワークである。 本研究は, 技術的精度を確保するための領域適応, 敵の脆弱性を軽減するための倫理的厳格性, グローバルな傾きを促進するための文化的・マルチリンガルなアライメントの3つの相互接続スレッドをナビゲートする。
  論文  参考訳（メタデータ） (2026-02-14T19:45:13Z)
• MrGuard: A Multilingual Reasoning Guardrail for Universal LLM Safety [56.77103365251923]
  大規模言語モデル(LLM)は、ジェイルブレイクのような敵の攻撃を受けやすい。 この脆弱性は、多言語セーフティアライメントされたデータが制限される多言語設定で悪化する。 素早い分類のための多言語ガードレールを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:06Z)
• Preserving Cultural Identity with Context-Aware Translation Through Multi-Agent AI Systems [0.4218593777811082]
  言語は文化的アイデンティティの基盤となっているが、グローバル化と主要言語の優位性により、3000近い言語が絶滅の危機にさらされている。 既存のAI駆動翻訳モデルは効率を優先するが、しばしば文化的ニュアンス、慣用的な表現、歴史的重要性を捉えない。 本稿では,言語コミュニティにおける文化適応型翻訳のための多言語AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-05T06:43:59Z)
• LIMBA: An Open-Source Framework for the Preservation and Valorization of Low-Resource Languages using Generative Models [62.47865866398233]
  この白書は低リソース言語のための言語ツールを生成するためのフレームワークを提案する。 このような言語に対するインテリジェントな応用を妨げるデータ不足に対処することにより、言語多様性の促進に寄与する。
  論文  参考訳（メタデータ） (2024-11-20T16:59:41Z)
• Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
  検索強化に関して,言語モデルの信頼性に焦点をあてる。 検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。 言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-10-22T09:25:21Z)
• Integrating Emotional and Linguistic Models for Ethical Compliance in Large Language Models [2.5200794639628032]
  本研究は、感情や倫理に関する言語行動をよりよく管理するために、大規模言語モデル(LLM)の高度な方法論を開発する。 我々は,LLMがグローバルな人的価値を内在化し,反映する能力を高めるための,敵対的枠組みであるDIKEを紹介する。
  論文  参考訳（メタデータ） (2024-05-11T19:26:00Z)
• Language-Oriented Communication with Semantic Coding and Knowledge Distillation for Text-to-Image Generation [53.97155730116369]
  我々は言語指向意味コミュニケーション(LSC)の新しい枠組みを提唱した。 LSCでは、機械は人間の言語メッセージを使って通信し、SC効率のために自然言語処理(NLP)技術を用いて解釈および操作することができる。 1) テキストプロンプトをキーヘッドワードに圧縮するセマンティック・ソース・コーディング(SSC)、2) セマンティック・チャネル・コーディング(SCC)、2) セマンティック・チャネル・コーディング(SCC)、3) セマンティック・ナレッジ・蒸留(SKD)、3) リスナーの言語学習を通じてリスナーに適応したプロンプトを生成するセマンティック・ナレッジ・蒸留(SKD)の3つの革新的なアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2023-09-20T08:19:05Z)
• Attend, Memorize and Generate: Towards Faithful Table-to-Text Generation in Few Shots [58.404516361586325]
  Few-shot table-to-text generation は、限られたデータを用いてテーブル内容を伝えるために、流動的で忠実な文を構成するタスクである。 本稿では,人間のテキスト生成プロセスに触発された新しい手法,覚醒と生成(AMG)を提案する。
  論文  参考訳（メタデータ） (2022-03-01T20:37:20Z)
• Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
  言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。 本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。 この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
  論文  参考訳（メタデータ） (2021-07-20T07:01:15Z)

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。