Tag
5 件の関連記事
Parinthapat Pengpun氏らは2026年9月10日(現地時間)、多言語マルチモーダルエンティティリンキング（Multimodal entity linking）における希少エンティティの課題に対処する新しいフレームワークを発表した。従来の人気ベースの指標では見過ごされていた希少エンティティの特定に知識グラフ構造指標を用い、推論と検索を組み合わせることで、関連ベンチマークにおいて既存手法を上回る性能を示した。
Google Researchは8月12日(現地時間)、大規模言語モデル (LLM) の事実認識能力に関する研究結果を発表しました。それによると、最先端のLLMは事実のほぼ全てをエンコード（記憶）しているものの、その多くをリコール（想起）できないことが判明。事実誤認は知識の欠如ではなく、記憶の利用にボトルネックがあると指摘されています。
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。