論文の概要: OTel: Open Telco AI Datasets, Benchmarks, and Models

• arxiv url: http://arxiv.org/abs/2610.07766v1
• Date: Tue, 06 Oct 2026 05:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.819666
• Title: OTel: Open Telco AI Datasets, Benchmarks, and Models
• Title（参考訳）: OTel: Open Telco AIデータセット、ベンチマーク、モデル
• Abstract要約: Open Telco(OTel)はオープンなテレコムAIリソースで、検索、リグレード、インストラクションチューニング、安全/保護のための派生したテレコムデータセットをリリースする。 2026年5月3日現在、リリースされたモデルは1600万回以上ダウンロードされており、プロジェクトは世界中で157件以上のメディア報道を受けている。
• 参考スコア（独自算出の注目度）: 22.943198049048135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Open Telco (OTel), an open telecom AI resource that releases derived telecom datasets for retrieval, reranking, instruction tuning, and safety/abstention, together with 30 full-parameter post-trained baselines spanning 10 embedding models, 3 rerankers, and 17 language models. The community has already engaged substantially with the resource: as of May 3, 2026, the released models have been downloaded over 16 million times and the project has received 157+ pieces of media coverage worldwide. Building on prior open telecom datasets and benchmarks, OTel provides documented telecom data sources, held-out evaluation partitions, trained embedding models, rerankers, context-grounded LLMs, and safety/abstention data in one unified resource. Each baseline starts from an open-weight model and is post-trained on OTel-derived data using an open training recipe, then evaluated on held-out OTel evaluation partitions. OTel post-training improves performance across all three model families: embedding retrieval reaches 93.1% NDCG@10, reranking reaches 0.947 MRR@10, and language-model correctness reaches 87.8%. We release OTel as a reproducible starting point and invite the community to expand the data, improve embedding and reranking models, and build stronger context-grounded telecom LLMs.
• Abstract（参考訳）: 私たちはオープンなテレコムAIリソースであるOpen Telco(OTel)を紹介します。このリソースは、抽出されたテレコムデータセットを、検索、リグレード、命令チューニング、安全/保護のためにリリースし、さらに10の埋め込みモデル、3つのリランカ、17の言語モデルにまたがる30のトレーニング後のベースラインを提供します。 2026年5月3日時点で、リリースされたモデルは1600万回以上ダウンロードされており、プロジェクトは世界中で157件以上のメディア報道を受けている。 以前のオープンなテレコムデータセットとベンチマークに基づいてOTelは、ドキュメント化された通信データソース、ホールドアウト評価パーティション、トレーニングされた埋め込みモデル、リランカ、コンテキストグラウンドのLLM、安全/保護データを1つの統一リソースで提供する。 各ベースラインは、オープンウェイトモデルから始まり、オープントレーニングレシピを使用してOTel由来のデータに基づいて後からトレーニングされ、保持されたOTel評価パーティションで評価される。 OTelのポストトレーニングにより、3つのモデルファミリのパフォーマンスが向上し、埋め込み検索は93.1% NDCG@10、再ランクは0.947 MRR@10、言語モデルの正しさは87.8%に達した。 我々は、OTelを再現可能な出発点としてリリースし、コミュニティにデータを拡大し、埋め込みとモデルのランク付けを改善し、より強力なコンテキストグラウンドのLLMを構築します。

関連論文リスト

• ModelLakeFishing: Efficient Retrieval over Million-Scale Model Lakes [7.602293567387452]
  ModelLakeFishingは、ターゲットデータセット、予測タスク、評価メトリックを指定するクエリのためのモデル検索フレームワークである。 メタデータと過去の評価をモデル-データセット-タスクエビデンスグラフに統合する。 モデルとクエリの埋め込みを関係対応グラフエンコーダで学習し、階層的ナビゲート可能な小型世界探索を用いてモデル埋め込みをインデックス化する。
  論文  参考訳（メタデータ） (2026-10-04T03:32:18Z)
• TelecomGPT-R1: Unified Post-Training for Reasoning Across Heterogeneous Telecom Tasks [37.68336126968934]
  TelecomGPT-R1は、オープンソースの統合テレコム推論モデルである。 強化学習のためのコールドスタート障壁を克服するために、テレコムの知識と根拠に基づく推論パターンを取り入れている。 我々は、TelecomGPT-R1モデルと再現可能なトレーニングレシピをリリースし、さらなるコミュニティ開発を支援した。
  論文  参考訳（メタデータ） (2026-09-21T19:48:02Z)
• OTel: Building Domain-Specialized Telecom LLM Foundations for Intelligent Networks [6.416771667530296]
  オープンなテレコムAIリソースであるOpen Telcoについて紹介する。 2026年5月3日時点で、リリースされたモデルは1600万回以上ダウンロードされており、プロジェクトは世界中で157件以上のメディア報道を受けている。
  論文  参考訳（メタデータ） (2026-08-15T22:42:34Z)
• Scalable Behavior Cloning with Open Data, Training, and Evaluation [95.62769878386815]
  ABCは,動作のクローン処理のためのオープンソーススタックである。 ABC-130Kは、これまでで最大のオープンソースの遠隔操作データセットであり、195の多様なタスクにわたる130Kエピソードにまたがる3500時間のデータを特徴としている。 アクセス可能なハードウェアセットアップ、トレーニングインフラストラクチャ、シミュレーションパイプラインもオープンソースで公開しています。
  論文  参考訳（メタデータ） (2026-06-25T17:59:57Z)
• OpenThoughts-Agent: Data Recipes for Agentic Models [99.10629645072653]
  OT-Agentプロジェクトはエージェントモデルをトレーニングするための完全にオープンなデータキュレーションパイプラインである。 パイプラインの各段階について100以上の制御アブレーション実験を行った。 このデータセットには、パイプラインから100Kのサンプルと微調整されたQwen3-32Bのトレーニングセットが組み込まれています。
  論文  参考訳（メタデータ） (2026-06-23T17:34:29Z)
• MobileLLM-R1: Exploring the Limits of Sub-Billion Language Model Reasoners with Open Training Recipes [60.57770396565211]
  強い推論能力は、はるかに少ないデータで実現可能であることを示す。 MobileLLM-R50MのAIMEスコアは15.5であり、OLMo-2-1.48Bは0.6、SmolLM-2-1.7Bは0.3である。
  論文  参考訳（メタデータ） (2025-09-29T15:43:59Z)
• zELO: ELO-inspired Training Method for Rerankers and Embedding Models [0.02330164376631037]
  教師なしデータを用いて、最先端のオープンウェイトリランカモデルであるzerank-1とzerank-1-smallをトレーニングする。 これらのモデルは、金融、法務、コード、STEMを含む複数の領域で最高の検索スコアを得る。 トレーニングデータには、クエリ毎に112,000のクエリと100のドキュメントが含まれており、注釈のないクエリとドキュメントから1万時間未満でエンドツーエンドにトレーニングされた。
  論文  参考訳（メタデータ） (2025-09-16T00:44:08Z)
• Goedel-Prover-V2: Scaling Formal Theorem Proving with Scaffolded Data Synthesis and Self-Correction [95.91743732150233]
  一連のオープンソースの言語モデルであるGoedel-Prover-V2は、自動定理の新たな最先端を証明した。 我々は、より複雑な定理をマスターするためにモデルを訓練することの困難さを増す合成タスクを生成する。 Goedel-Prover-V2-32Bは、標準モードのpass@32でMiniF2Fの88.1%、自己補正モードの90.4%を達成する。
  論文  参考訳（メタデータ） (2025-08-05T16:28:22Z)
• dacl1k: Real-World Bridge Damage Dataset Putting Open-Source Data to the Test [0.6827423171182154]
  dacl1kは1,474枚の画像を含む建築検査に基づく多ラベル分類のための多ラベルRCDデータセットである。 我々は、オープンソースデータ(メタデータセット)の異なる組み合わせに基づいてモデルを訓練し、その後、外在的にも内在的にも評価された。 dacl1kの性能分析は、メタデータの実用性を示し、最良のモデルでは、Exact Match比が32%である。
  論文  参考訳（メタデータ） (2023-09-07T15:05:35Z)
• Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
  我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。 これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
  論文  参考訳（メタデータ） (2020-04-23T17:35:11Z)

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。