きめ細かな知識エンティティと多面的な文書埋め込みを用いた学術論文推薦の強化
TL;DR研究者の文献調査の負担を軽減するため、新しい学術論文推薦手法が提案された。従来手法の課題である粗い粒度を克服するため、詳細な知識エンティティ、タイトル、要旨、引用データを統合した多次元情報を用いる。STM-KGデータセットでの実験の結果、上位50件の推薦精度が平均27.3%となり、既存手法を6.7%上回った。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
Talos：推薦システムにおけるTop-$K$精度の最適化
TL;DR推薦システムにおいて重要なTop-$K$精度の最適化は、計算コストが高く困難な課題です。本論文では、ランキング計算をスコアと閾値の単純な比較に置き換える新しい損失関数「Talos」を提案します。Talosは効率的な閾値推定と分布シフトへの頑健性を備え、理論と実験の両面でその有効性が実証されています。
HELM：LLM駆動型推薦システムのための人間中心の評価フレームワーク
TL;DR大規模言語モデル（LLM）を組み込んだ推薦システム向けに、人間中心の包括的な評価フレームワーク「HELM」が提案されました。従来の精度指標では捉えきれない、意図の整合性や説明の質など5つの次元でシステムを評価します。実験により、GPT-4は説明や対話の自然さで優れる一方、人気バイアスが強いことが明らかになりました。
オーケストレーターとしてのLLM：推薦システムのための制約遵守型マルチエージェント最適化
TL;DR推薦システムにおける複数の目的の最適化と、公平性やカバレッジといった厳しいビジネス制約の両立を解決するフレームワーク「DualAgent-Rec」が提案されました。LLMをコーディネーターとして配置し、制約を遵守するエージェントと多様性を探求するエージェントを動的に制御することで、制約遵守率100%とパレート超体積の4〜6%向上を達成しました。
RobustExplain：推薦のためのLLMベース説明エージェントの堅牢性評価
TL;DR大規模言語モデル（LLM）を用いた推薦システムの説明生成において、ユーザー行動のノイズに対する堅牢性を評価する初の枠組み「RobustExplain」が提案された。誤クリックなどの摂動を加えた実験の結果、現状のモデルの堅牢性は中程度であり、モデルサイズが大きいほど安定性が最大8%向上することが示された。
XProvence: 検索拡張生成のためのコストゼロな多言語コンテキストプルーニング
TL;DRXProvenceは、検索拡張生成（RAG）向けに開発された多言語対応のゼロコスト文脈プルーニングモデルです。16言語で訓練され、効果的な言語間転移により100以上の言語をサポートします。既存のProvenceフレームワークを拡張し、最小限の性能低下で文脈を削減しつつ、強力なベースラインを上回る性能を示しています。
Dep-Search：永続メモリを用いた依存関係を考慮した推論トレースの学習
TL;DR大規模言語モデル（LLM）の複雑な推論タスクにおいて、依存関係を考慮した新しい検索フレームワーク「Dep-Search」が提案されました。これは、質問の分解、情報の検索、永続メモリへのアクセス、文脈の要約を明示的に制御するものです。7つの質問応答データセットでの実験により、従来の手法と比較して大幅な性能向上が確認されました。
Pの捕捉：ブール検索の表現能力と効率的な評価について
TL;DR現代の情報検索が直面する複雑な論理要件に対し、従来の検索エンジンでは効率性と表現力の両立が困難でした。本論文は、多項式時間特性を直接評価できる検索言語 $\mathcal{L}_R$ を定義し、計算量クラス $\mathbf{P}$ を捉えることを証明しました。
FastInsight：グラフRAGのための融合演算子による高速かつ洞察に満ちた検索
TL;DR既存のGraph RAGは洞察力のある検索を目指す一方で、LLMの推論を挟むため処理時間が長いという課題がありました。本手法「FastInsight」は、新たなグラフ検索の分類法に基づき、グラフベースのリランカー（GRanker）と意味的・トポロジー的拡張（STeX）という2つの融合演算子を導入。
イグボ語の発音記号復元に対するコーパスベースのアプローチ
TL;DRイボ語（Igbo）のような低資源言語における自然言語処理（NLP）の課題、特にダイアクリティカルマーク（発音区別符号）の欠落による曖昧性解消に取り組みました。標準的なn-gramモデル、分類モデル、埋め込みモデルの3つの主要なアプローチを提案し、イボ語のダイアクリティカルマーク復元のためのデータセット生成フレームワークを構築しました。
保存済みの記事がまだありません。
読み込み中…