データ – arXiv最新論文の紹介

A Survey of LLM × DATA

A Survey of LLM $\times$ DATA [72.0]
大規模言語モデル(LLM)とデータ管理(Data4LLM)の統合は、両方のドメインを急速に再定義しています。一方、Data data4LLMは、事前トレーニング、後トレーニング、検索強化生成、エージェント生成などの段階に必要なデータの高品質、多様性、タイムラインをLLMに提供する。一方、LLMはデータ管理のための汎用エンジンとして登場しつつある。
論文参考訳（メタデータ） (Sat, 24 May 2025 01:57:12 GMT)
データを軸としたサーベイ。
リポジトリとしてGitHub – weAIDB/awesome-data-llm: Official Repository of “LLM × DATA” Survey Paperがあり、数多くの論文がリンクされている。

Synthcity: facilitating innovative use cases of synthetic data in different data modalities [86.5]
Synthcityは、MLフェアネス、プライバシ、拡張における合成データの革新的なユースケースのための、オープンソースのソフトウェアパッケージである。 Synthcityは、実践者に対して、合成データにおける最先端の研究とツールへの単一のアクセスポイントを提供する。
論文参考訳（メタデータ） (Wed, 18 Jan 2023 14:49:54 GMT)
合成データ作成のための一連のソフトウェアパッケージ。Apache-2ライセンスのオープンソースソフトウェア
リポジトリはGitHub – vanderschaarlab/synthcity: A library for generating and evaluating synthetic tabular data for privacy, fairness and data augmentation.

Training Data Influence Analysis and Estimation: A Survey [11.7]
トレーニングデータの影響分析と推定に関する総合的な調査を初めて実施する。我々は、最先端の影響分析手法を分類学に編成する。本研究では,影響分析をより効果的に活用するための今後の研究の方向性を提案する。
論文参考訳（メタデータ） (Fri, 9 Dec 2022 00:32:46 GMT)
学習データと予測に関係する様々な研究をサーベイしたもの。ビジネスではよく聞かれる＆必要とされている分野ではあるが発展途上（理解しきれていない）分野でありそうとの感想。
リポジトリに論文リストがあってこちらも参考になる　ZaydH/influence_analysis_papers: Influence Analysis and Estimation – Survey, Papers, and Taxonomy (github.com)