Refine
Document Type
- Article (21)
- Working Paper (1)
Has Fulltext
- yes (22)
Is part of the Bibliography
- no (22)
Keywords
- LHC (6)
- ALICE (3)
- ALICE experiment (2)
- pp collisions (2)
- 900 GeV (1)
- Beauty production (1)
- Comparison with QCD (1)
- Deskriptivität (1)
- Femtoscopy (1)
- HBT (1)
Institute
- Physik (20)
- Frankfurt Institute for Advanced Studies (FIAS) (19)
- Informatik (19)
- E-Finance Lab e.V. (1)
- Extern (1)
Im ersten Teil wird zunächst die wenige Forschungsliteratur zum Thema Deskriptivität selbst und eng verwandten Themen vorgestellt und besprochen. Daraus soll sich im Anschluss auch eine Definition des Begriffes ergeben, die weit genug gefasst ist, um die übliche Verwendungsweise des Begriffs bei Autoren, die ihn zwar benutzen, aber nicht theoretisch behandeln, zu erfassen, die sich aber andererseits dennoch in klar definierten und nachvollziehbaren Grenzen bewegt. Dabei soll weiterhin deutlich werden, dass es sich bei Deskriptivität um ein prinzipiell in allen Sprachen anzutreffendes Phänomen handelt, dass sich aber die Frequenz deskriptiver Ausdrücke von Sprache zu Sprache stark unterscheiden kann. Dabei werde ich Daten aus ausgewählten Sprachen einbeziehen und eine quantitative Analyse des Ausmaßes, mit dem verschiedene Sprachen von deskriptiven Bildungen Gebrauch machen vorstellen. Der zweite Hauptteil der Arbeit beschäftigt sich mit folgender Frage: Wenn jede Sprache zu einem gewissen Grad von deskriptiven Benennungen Gebrauch macht, welche Mechanismen des Sprachwandels gibt es, die die Position einer Sprache auf dieser Skala in die eine oder die andere Richtung verändern können?
WE PRESENT OUR VISION OF OMNISCIENTDB, A NOVEL DATABASE THAT LEVERAGES THE IMPLICITLY STORED KNOWLEDGE IN LARGE LANGUAGE MODELS TO AUGMENT DATA SETS FOR ANALYTICAL QUERIES OR MACHINE LEARNING TASKS. OMNISCIENTDB EMPOWERS USERS TO AUGMENT DATA SETS BY MEANS OF SIMPLE SQL QUERIES AND THUS HAS THE POTENTIAL TO DRAMATICALLY REDUCE THE MANUAL OVERHEAD ASSOCIATED WITH DATA INTEGRATION. IT USES AUTOMATIC PROMPT ENGINEERING TO CONSTRUCT APPROPRIATE PROMPTS FOR GIVEN SQL QUERIES AND PASSES THEM TO A LARGE LANGUAGE MODEL LIKE GPT-3 TO CONTRIBUTE ADDITIONAL DATA, AUGMENTING THE EXPLICITLY STORED DATA. OUR INITIAL EVALUATION DEMONSTRATES THE GENERAL FEASIBILITY OF OUR VISION, EXPLORES DIFFERENT PROMPTING TECHNIQUES IN GREATER DETAIL, AND POINTS TOWARDS FUTURE RESEARCH.