[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

एआई प्रणालियों में उपयोगकर्ता कहानियों के लिए एलएलएम का लाभ उठाना: यूएसटीएआई डेटासेट

Created by
  • Haebom

लेखक

अस्मा यामानी, मलक बस्लीमान, मोआताज़ अहमद

रूपरेखा

यह पत्र एआई प्रणालियों की आवश्यकताओं के उद्दीपन और विश्लेषण पर अनुसंधान की कमी और एआई प्रणाली आवश्यकताओं के कलाकृतियों की अनुपस्थिति को इंगित करता है, और बड़े पैमाने पर भाषा मॉडल (एलएलएम) का उपयोग करके अकादमिक पेपर के सार से एआई प्रणालियों की उपयोगकर्ता कहानियां उत्पन्न करने की एक विधि का प्रस्ताव करता है। तीन एलएलएम का उपयोग करते हुए, हम 26 डोमेन में 42 सार से 1,260 उपयोगकर्ता कहानियां उत्पन्न करते हैं, और क्यूयूएस ढांचे का उपयोग करके उनकी गुणवत्ता का मूल्यांकन करते हैं, और प्रासंगिक गैर-कार्यात्मक आवश्यकताओं (एनएफआर) और नैतिक सिद्धांतों की पहचान करते हैं। प्रयोगात्मक परिणाम दर्शाते हैं कि जांचे गए एलएलएम उपयोगकर्ता कहानियां उत्पन्न कर सकते हैं जो विभिन्न हितधारकों की जरूरतों को दर्शाती हैं, यह सुझाव देते हुए कि वे अनुसंधान उद्देश्यों और एआई प्रणाली आवश्यकताओं के उद्दीपन के शुरुआती चरणों के समर्थन के लिए उपयोगी दृष्टिकोण हैं।

Takeaways, Limitations

Takeaways:
एलएलएम का लाभ उठाकर एआई प्रणालियों के लिए प्रभावी ढंग से उपयोगकर्ता कहानियां तैयार करने की संभावना का सुझाव देना।
एआई प्रणाली आवश्यकताओं की व्युत्पत्ति के प्रारंभिक चरणों में दक्षता बढ़ाने में योगदान देता है।
खुले डेटासेट (यूएसटीएआई) प्रदान करके अनुवर्ती अनुसंधान और विकास का समर्थन करना।
विभिन्न डोमेन में AI सिस्टम आवश्यकता विश्लेषण में अंतर्दृष्टि प्रदान करता है।
Limitations:
मूल्यांकन के लिए प्रयुक्त QUS ढांचे की सीमाएँ।
एलएलएम द्वारा उत्पन्न उपयोगकर्ता कहानियों की गुणवत्ता का अतिरिक्त सत्यापन आवश्यक है।
प्रयुक्त एलएलएम की विशेषताओं और सीमाओं के विस्तृत विश्लेषण का अभाव।
वास्तविक एआई प्रणाली विकास वातावरण में प्रयोज्यता पर आगे अनुसंधान की आवश्यकता है।
एलएलएम-निर्भर पद्धतियों के पूर्वाग्रह और विश्वसनीयता के मुद्दे।
👍