Tag
3 件の関連記事
arXivは2026年5月19日(現地時間)、ハオリン・シュエ (Haolin Xue) 氏による論文「OriginBlame: Record- and Token-Level Data Provenance for AI Training Datasets」を公開した。本論文は、AIモデルのトレーニングデータにおける特定のレコード削除要求に対して、従来のファイルまたはデータセットレベルのプロベナンスシステムが抱える過剰削除の問題を解決するため、レコードおよびトークンレベルのデータプロベナンスシステム「ob」を提案する。
Simon Willison (サイモン・ウィリソン)は2026年6月29日(現地時間)、自身のブログ「Simon Willison's Weblog」にて、ブラウザからペーストされたHTMLテーブルを含むリッチテキストを複数形式に変換する新ツール「HTML table extractor」を公開したと発表した。このツールは、検出されたテーブルをHTML、Markdown、CSV、TSV、JSONのいずれかの形式でエクスポートする機能を備えている。
arXiv cs.CLは4月29日(現地時間)、研究論文を提出し、Wikipediaでの小規模な編集活動が大規模言語モデル（LLM）の挙動に測定可能な影響を与えることを明らかにした。特に動物福祉に関する内容の編集が、LLMの特定のトピックに対する応答に影響を及ぼすという。この研究は、WikipediaがLLMの訓練データセットにおいて重要な役割を果たしていることを強調している。