論文の概要: TokWatt: an open, boundary-annotated database of AI inference energy, from chat answers to agents

• arxiv url: http://arxiv.org/abs/2610.39846v1
• Date: Thu, 29 Oct 2026 11:25:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:32:08.756868
• Title: TokWatt: an open, boundary-annotated database of AI inference energy, from chat answers to agents
• Title（参考訳）: TokWatt: チャット回答からエージェントまで、AI推論エネルギーのオープンでバウンダリ付きデータベース
• Abstract要約: 電力供給は人工知能(AI)の展開における拘束力になりつつある TokWattは、13のソースから引き出されたAI推論エネルギーの推定値134の公開データベースである。 個人利用とグリッド負荷を結びつける単純なアイデンティティ:1人当たり1人当たりの1ワットあたり10億人は、平均的なE/24ギガワットの引力に相当する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electricity supply is becoming a binding constraint on the deployment of artificial intelligence (AI), yet public evidence on the energy used by a single AI task is scattered and hard to compare. Published figures for one chatbot answer differ by two orders of magnitude, largely because studies count different parts of the system and measure different units of work. We present TokWatt, an open database of 134 published estimates of AI inference energy drawn from 13 sources (2023-2026) and covering 20 tasks, from classic machine-learning inferences to chat answers, reasoning answers, long-document queries, image and video generation, and coding agents. Each estimate records its functional unit, five measurement-boundary components, method, reported interval, and the location of the value in its source. A reproducible procedure scales estimates to a common server-plus-facility boundary and derives per-task reference values with ranges. The reference values span six orders of magnitude: 0.34 Wh for a short chat answer (range 0.16-0.99 Wh), 4.7 Wh for a reasoning answer, 124 Wh for a short video clip, and 150 Wh for one task delegated to a coding agent. Five independent estimates for default production chat systems agree within a factor of 1.8, and the reference values shift by at most 12% under alternative harmonization parameters. A simple identity links personal use to grid load: E watt-hours per person per day across one billion people corresponds to an average draw of E/24 gigawatts. Data and code are released at https://github.com/AraoufBh/tokwatt, and an online calculator at https://araoufbh.github.io/tokwatt/.
• Abstract（参考訳）: 電力供給は人工知能(AI)の展開に対する拘束力になりつつあるが、単一のAIタスクで使われるエネルギーに関する公的な証拠は散在しており、比較が難しい。 1つのチャットボットの回答の公表された数字は、システムの異なる部分を数え、異なる作業単位を測定するため、桁違いに異なる。 TokWattは、13のソース(2023-2026)から抽出されたAI推論エネルギーの134のオープンデータベースであり、古典的な機械学習推論からチャット回答、推論回答、長いドキュメントクエリ、画像とビデオ生成、コーディングエージェントまで、20のタスクをカバーしている。 各見積もりは、その機能単位、測定境界成分、5つの方法、報告された間隔、そのソース内の値の位置を記録します。 再現可能な手順は、見積もりを共通のサーバープラスファシリティ境界までスケールし、タスク毎の基準値を範囲で導出する。 参照値は6桁で、短いチャット応答は0.34Wh(範囲0.16-0.99Wh)、推論応答は4.7Wh、短いビデオクリップは124Wh、符号化エージェントに委譲されたタスクは150Whである。 デフォルトのプロダクションチャットシステムに対する5つの独立した見積もりは1.8の範囲内で一致し、参照値は代替の調和パラメータの下で少なくとも12%シフトする。 個人利用とグリッド負荷を結びつける単純なアイデンティティ:1人当たり1人当たりの1ワットあたり10億人は、平均的なE/24ギガワットの引力に相当する。 データとコードはhttps://github.com/AraoufBh/tokwattで、オンライン電卓はhttps://araoufbh.github.io/tokwatt/で公開されている。

関連論文リスト

• NAVIR: Neuromorphic Audio-Visual Speech Recognition for Robust Human-Robot Interaction on Edge Hardware [0.0]
  NAVIRはBrainChip AkidaニューロモーフィックプロセッサをターゲットにしたエンドツーエンドのAVSRシステムである。 モデルは、ノイズ強化オーディオの接続性時間分類を用いて訓練される。 98.6%のコマンド精度を1.5% WERで達成している。
  論文  参考訳（メタデータ） (2026-09-21T10:36:30Z)
• Token Arena: A Continuous Benchmark Unifying Energy and Cognition in AI Inference [1.2299000423193074]
  TokenArenaは、5つのコア軸に沿って粒度エンドポイントでの推論を測定する連続ベンチマークである。 フレームワーク、スキーマ、プローブ、evalハーネス、v1.0のリーダボードスナップショットをCC BY 4.0でリリースしています。
  論文  参考訳（メタデータ） (2026-05-01T00:05:54Z)
• The Avengers: A Simple Recipe for Uniting Smaller Language Models to Challenge Proprietary Giants [66.6636608563034]
  より小さなモデルの集合的知性を活用するシンプルなレシピであるAvengersを紹介します。 10のオープンソースモデルで、Avengersは15の多様なデータセットの平均パフォーマンスをGPT-4o、4.1、4.5を上回っている。 特に数学タスクでは GPT-4.1 を 18.21% 、コードタスクでは 7.46% で上回っている。
  論文  参考訳（メタデータ） (2025-05-26T10:29:42Z)
• AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension [95.8442896569132]
  AIR-Benchは,Large Audio-Language Models (LALM) の様々な種類の音声信号を理解し,テキスト形式で人間と対話する能力を評価する最初のベンチマークである。 その結果, GPT-4による評価と人間による評価との間には高い一貫性が認められた。
  論文  参考訳（メタデータ） (2024-02-12T15:41:22Z)
• Perception Test: A Diagnostic Benchmark for Multimodal Video Models [78.64546291816117]
  本稿では,事前学習したマルチモーダルモデルの知覚と推論能力を評価するために,新しいマルチモーダルビデオベンチマークを提案する。 知覚テストは、スキル(記憶、抽象化、物理学、セマンティックス)と、ビデオ、オーディオ、テキストモダリティ間の推論(記述的、説明的、予測的、反ファクト的)のタイプに焦点を当てている。 このベンチマークは、ゼロショット/少数ショットまたは限定的な微調整方式で、転送機能の事前訓練されたモデルを探索する。
  論文  参考訳（メタデータ） (2023-05-23T07:54:37Z)
• Building Multimodal AI Chatbots [2.1987180245567246]
  この研究の目的は、人間とチャットし、関連する写真を共有するマルチモーダルAIシステムを作ることだ。 テキストを理解する画像検索器と、画像を理解する応答生成器の2つのマルチモーダルディープラーニングモデルを提案する。 2つのモデルは、各セッションで写真を共有するオープンドメインの対話データセットであるPhotoChatでトレーニングされ、評価される。
  論文  参考訳（メタデータ） (2023-04-21T16:43:54Z)
• Who Evaluates the Evaluators? On Automatic Metrics for Assessing AI-based Offensive Code Generators [1.7616042687330642]
  コードジェネレータは、自然言語による記述から始まるプログラムを自動記述する新しいソリューションである。 特にコードジェネレータは、概念実証攻撃を生成することによって、倫理的ハッキングや攻撃的なセキュリティテストに使用されている。 この研究は、攻撃的なコードジェネレータの出力類似度を大量に分析する。
  論文  参考訳（メタデータ） (2022-12-12T16:16:09Z)
• Lila: A Unified Benchmark for Mathematical Reasoning [59.97570380432861]
  LILAは、23の多様なタスクと4次元からなる統一的な数学的推論ベンチマークである。 我々は,Pythonプログラムの形式でタスク命令とソリューションを収集することにより,20のデータセットベンチマークを拡張してベンチマークを構築した。 LILAで訓練された汎用数学的推論モデルであるBHASKARAを紹介する。
  論文  参考訳（メタデータ） (2022-10-31T17:41:26Z)
• Low-Resource Adaptation of Open-Domain Generative Chatbots [0.0]
  低パラメータモデルは、特定の領域を改善しながら、会話能力の一般的な知識を維持することができることを示す。 本稿では,質問型の多様さを考慮し,マルチターン会話を通して参照を追跡し,不整合性や潜在的有害な応答を除去する汎用フレームワークを提案する。 われわれのフレームワークはチャットとトランザクションタスクをシームレスに移行し、最終的にはデジタルアシスタントとの対話をより人間らしくする。
  論文  参考訳（メタデータ） (2021-08-13T17:40:30Z)

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。