GPT-4などLLMのコード生成能力にデバッグ機能を追加する『SELF-DEBUGGING（セルフデバッギング）』と実行プロンプト | AIDB
GPT-4などの大規模言語モデル（LLM）はコード生成においても驚異的な成果を上げています。しかし、モデルが生成するコードは必ずしも完璧ではありません。そこで、DeepMindとUCバークレーの研究者らは新たなフレームワーク『SELF-DEBUGGING（セルフデバッギング）』を開発しました。 追加訓練なしでも、複数のベンチマークにおいて高いパフォーマンスを達成できる手法です。実行プロンプト（の例）は比較的シンプルで、多くのプログラミングタスクで容易に適用できます。 参照論文情報 ・タイトル：Teaching Large Language Models to Self-Debug ・著者：Xinyun Chen, Maxwell Lin, Nathanael Schärli, Denny Zhou ・所属：Google DeepMind, UC Berkeley ・URL：https://
GPT-4をセラピストとして実行し、「認知の歪み」を診断させるためのフレームワーク『Diagnosis of Thought (DoT)』と実行プロンプト | AIDB
近年、精神療法の領域でAIの活用に注目が集まっています。そんな中、カーネギーメロン大学などの研究者らによって新たなフレームワーク『Diagnosis of Thought (DoT)』が考案されました。このフレームワークは、LLMによって人々の「認知の歪み」を診断する目的に特化しており、専門家によって高く評価されています。 認知の歪みとは、例えば「0か100か」のような極端な考え方や、他人の考えを勝手に推測するなど、不健康な思考パターンのことを指します。 DoTフレームワークを用いた診断結果は、人間の専門家が出す診断結果とも高い一致性を示しており、その有用性が確認されています。 （追記）なお、本フレームワークに基づくMyGPTを作成しました。記事末尾にURLを記載するため、興味のある方はぜひお試しください。 参照論文情報 ・タイトル：Empowering Psychotherapy wit
【悲報】低所得世帯の物体認識AIは精度が低いらしい（AI×社会）【論文】 | AIDB
国や文化に関係なく平等に機能するシステムの必要性 AI技術の中でもとりわけ躍進中の技術が、物体認識だ。物体認識は様々な分野に応用可能であり、医療、視覚障害者の支援、画像アルバム編成ソフトウェア、画像検索など、幅広い場面ですでに利用されている。さらに、 物体認識システムの利用場所も、先進国に限らず世界中に広がっている。 どんな分野においても、技術の進歩に伴って開発者側には責任が生じることが多いが、物体認識においても同様の責任が発生している。物体認識の開発者には、国や所得レベルの高低によらず機能するシステムの開発が求められているのだ。 アメリカの Facebook AI Researchの T. d. Vriesら研究者は、物体認識システムが文化的背景や社会・経済的地位に関係なく機能することが求められているという課題に注目した。そこで、現在の物体認識システムが国や所得レベルに関係なく機能するか
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【エッジAI】MITがまた何かすごいのを作ったようです。有名AI学会のNeurIPSで発表した内容を解説（コード・動画あり） | AIDB
