AIとブロックチェーンに関するニュースやAIやGPUなどを活用して報酬を得る方法、AIで収集した情報と、それに関するAIによる考察を発信していきます。生成AIによる自動収益化を通じて、お金に困らない社会を実現する研究を進めています。素材使用自由。商用利用OK。引用元としてURLリンクしてください。 by BittensorMan.AI
## 翻訳： 最近の調査によると、質の低いAI動画は既に100万ドル規模の産業としてYouTubeの日々のフィードにしっかりと組み込まれています。今日、新しいアカウントを作成すると、ショート動画の５分の１がAI生成の低品質なコンテンツになるでしょう。そして、この技術は始まったばかりです。記事 One in five YouTube Shorts shown to new users is AI-generated slop, study finds は The Decoder に最初に登場しました。
## 翻訳： 道徳的な行動は、結果だけでなく、発生する状況によっても判断されます。本研究では、確率的状況学習器と大規模言語モデルベースのセマンティック抽象化、および人間の道徳的評価を統合し、状況が曖昧な行動の受容性をどのように形作るかをモデル化するCOMETH（テキスト人間の入力からの道徳評価の状況的組織）というフレームワークを紹介します。私たちは、6つのコア行動（殺さない、騙さない、法律を破らない）にまたがる300のシナリオの実験的に裏付けられたデータセットをキュレーションし、N=101人の参加者から三項判断（非難/中立/支持）を収集しました。前処理パイプラインは、LLMフィルターとMiniLM埋め込みとK-meansを使用して、アクションを標準化し、堅牢で再現可能なコアアクションクラスターを生成します。COMETHは、原理的な発散基準を使用して人間の判断分布からオンラインでシナリオをクラスター化することにより、アクション固有の道徳的状況を学習します。一般化と説明のために、一般化モジュールは簡潔で非評価的な二値コンテキスト特徴量を抽出し、透明性の高い尤度ベースのモデルで特徴量重みを学習します。実験的には、COMETHは、エンドツーエンドのLLMプロンプトと比較して、人間の多数意見との整合性を約60% vs. 約30%で約2倍に高めると同時に、予測を駆動するコンテキスト特徴量を明らかにします。貢献は次のとおりです。（i）実験的に裏付けられた道徳的コンテキストデータセット、（ii）人間の判断とモデルベースの状況学習とLLMセマンティクスを組み合わせた再現可能なパイプライン、（iii）状況に応じた道徳的予測と説明のためのエンドツーエンドLLMの解釈可能な代替手段。
