- ビジネスに関する時事情報
- デジタル化・IT化によるビジネスの自動化・効率化
- ホームページ作成
- ビジネス効率化に有効な情報機器の紹介
- デジタルマーケティング
- ロボット・IoT・AI (人工知能)・その他
【運営元】株式会社ダークマター
【その他】プライバシーポリシー
今回は全11回中の10回目です。
第1回 1 Introduction：はじめに
第2回 2 What Are LLMs?：LLMとは何か？
第3回 3 Applications：応用
第4回 3.1 Ideation：アイデア出し
第5回 3.2 Writing：執筆
第6回 3.3 Background Research：背景調査
第7回 3.4 Coding：コーディング
第8回 3.5 Data Analysis：データ分析
第9回 3.6 Mathematical Derivations：数学的導出
Table 1 summarizes all the sample tasks illustrated in this paper, categorized by the six described domains of application of LLMs. In the third column of the table, I report my subjective rating of how useful I found the described LLM capabilities as of Feb 1, 2023. My rating ranges from 1 to 3, where 1 describes capabilities that I currently consider more experimental and that deliver inconsistent results, requiring signi cant human oversight ; 2 signi es capabilities that are useful and likely to save time but are somewhat inconsistent so that they still require careful oversight; and 3 reflects capabilities that are already highly useful and work in the expected manner most of the time. Incorporating these latter capabilites into your work ow will de nitely save you time and make you more productive.
| Category | Task | Usefulness |
|---|---|---|
| Ideation | Brainstorming | 3 |
| Evaluating ideas | 2 | |
| Providing Counterarguments | 3 | |
| Writing | Synthesizing text | 3 |
| Editing text | 3 | |
| Evaluating text | 3 | |
| Generating catchy titles & headlines | 3 | |
| Generating tweets to promote a paper | 3 | |
| Background Research | Summarizing Text | 3 |
| Literature Research | 1 | |
| Formatting References | 3 | |
| Translating Text | 3 | |
| Explaning Concepts | 2 | |
| Coding | Writing code | 2 |
| Explaing code | 2 | |
| Translating code | 3 | |
| Debugging code | 2 | |
| Data Analysis | Extracting data from text | 3 |
| Reformatting data | 3 | |
| Classifying and scoring text | 2 | |
| Extracting sentiment | 2 | |
| Simulating human subjects | 2 | |
| Math | Setting up models | 2 |
| Deriving equations | 1 | |
| Explaning models | 1 |
The third column reports my subjective rating of LLM capabilities as of Feb 1, 2023:
1 = experimental; results are inconsistent and require signi cant human oversight
2 = useful; requires oversight but will likely save you time
3 = highly useful; incorporating these into your work ow will save you time
Table 1: Summary of LLM capabilities and rating of usefulness as of Feb 1, 2023
表1は、この論文で説明されているすべてのサンプルタスクについて、6つの領域に分けて、LLMの機能をまとめています。表の3列目では、2023年2月1日の時点で、描写されているLLMの機能がどれほど有用なのか、に関する私の主観的な評価です。私の評価スコアは1から3の間で、1は「実験的である」、「一貫性に欠けてい る」、「人間の介入が必要である」ことを表します。一方で、2は「有用性がある」が、一貫性がない時もあるので依然として利用者が深い注意を払う必要があることを意味します。3は「非常に有用である」、「ほぼ期待通りに機能する」ことを意味し、これらの機能を業務に活用すると、生産性が向上し、時間の節約につながることが期待できます。
| カテゴリー | タスク | 使いやすさ |
|---|---|---|
| アイデア出し | ブレーンストーミング | 3 |
| アイデアの評価 | 2 | |
| 反論の提供 | 3 | |
| 執筆 | テキストの合成 | 3 |
| テキストの編集 | 3 | |
| テキストの評価 | 3 | |
| キャッチーなタイトルと見出しの生成 | 3 | |
| 論文を宣伝するためのツイートの生成 | 3 | |
| 背景調査 | テキストの要約 | 3 |
| 文献調査 | 1 | |
| 参考文献の書式設定 | 3 | |
| テキストの翻訳 | 3 | |
| 概念の説明 | 2 | |
| コーディング | コードを書く | 2 |
| コードの説明 | 2 | |
| コードの変換 | 3 | |
| コードのデバッグ | 2 | |
| データ分析 | テキストからのデータの抽出 | 3 |
| データの再フォーマット | 3 | |
| テキストの分類とスコアリング | 2 | |
| 感情の抽出 | 2 | |
| 人間をシミュレート | 2 | |
| 数学 | モデルの設定 | 2 |
| 方程式の導出 | 1 | |
| モデルの説明 | 1 |
3 番目の列では、2023 年 2 月 1 日時点での LLM 機能の主観的な評価を報告します。
1 = 実験的。結果には一貫性がなく、人間による重大な監視が必要です
2 = 役に立つ。監視は必要ですが、時間の節約になる可能性があります
3 = 非常に有用です。これらを仕事に組み込むと時間を節約できます
表 1: 2023 年 2 月 1 日時点の LLM 機能と有用性の評価の概要
原論文
Language Models and Cognitive Automation for Economic Research
LLMについては以前のブログ記事を参考にしてください。
LLMとは？未来のAI技術を理解する
【運営元】株式会社ダークマター
【その他】プライバシーポリシー