Core Concepts
SQCの知識ベースを活用したLLMの拡張により、SQC研究とプラクティスを支援する革新的なチャットボットシステムを開発した。
Abstract
本論文では、OpenAIの大規模言語モデル(LLM)とSQCの特定の知識ベースを組み合わせた革新的なチャットボットシステム「ChatSQC」を紹介する。
データ前処理パラメータとLLMの選択がチャットボットの出力品質に与える影響を調査した。
ChatSQCを活用してSQC研究の新たな可能性を探った。
実務家にとって有用なSQC知識をより容易にアクセスできるツールを提供した。
SQC研究コミュニティに対し、ChatSQCの性能向上に向けた知識ベースの拡充を呼びかけた。
全体として、ChatSQCはSQC分野におけるAIの変革的な可能性を示すものであり、この分野でのAI活用の更なる進展を促すことを目指している。
Stats
SQCチャットボットの正確性は、ベンチマーク手法と同程度であった。
ChatSQC-Basicの回答の平均単語数は198.1単語で、GPT-3.5の259.4単語、GPT-4の405.9単語と比べて短かった。
ChatSQC-Researchの回答の平均単語数は119.9単語で、GPT-3.5の192.0単語、GPT-4の138.8単語と比べて短かった。