論文の概要: Multi-Agent Reinforcement Learning as a Computational Tool for Language
Evolution Research: Historical Context and Future Challenges
- arxiv url: http://arxiv.org/abs/2002.08878v2
- Date: Tue, 27 Oct 2020 13:54:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 07:06:49.635087
- Title: Multi-Agent Reinforcement Learning as a Computational Tool for Language
Evolution Research: Historical Context and Future Challenges
- Title(参考訳): 言語進化研究のための計算ツールとしてのマルチエージェント強化学習:歴史的文脈と今後の課題
- Authors: Cl\'ement Moulin-Frier and Pierre-Yves Oudeyer
- Abstract要約: エージェント集団における創発的コミュニケーションの計算モデルは、近年MARL(Multi-Agent Reinforcement Learning)の進歩により、機械学習コミュニティへの関心が高まっている。
本研究の目的は、言語進化研究の歴史的文脈における最近のMARL貢献の位置づけと、この理論と計算の背景から、今後の研究におけるいくつかの課題を抽出することである。
- 参考スコア(独自算出の注目度): 21.021451344428716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational models of emergent communication in agent populations are
currently gaining interest in the machine learning community due to recent
advances in Multi-Agent Reinforcement Learning (MARL). Current contributions
are however still relatively disconnected from the earlier theoretical and
computational literature aiming at understanding how language might have
emerged from a prelinguistic substance. The goal of this paper is to position
recent MARL contributions within the historical context of language evolution
research, as well as to extract from this theoretical and computational
background a few challenges for future research.
- Abstract(参考訳): エージェント集団における創発的コミュニケーションの計算モデルは、近年MARL(Multi-Agent Reinforcement Learning)の進歩により、機械学習コミュニティへの関心が高まっている。
しかしながら、現在のコントリビューションは、前言語学的な物質から言語がどのように生まれたかを理解することを目的とした、初期の理論と計算の文献から、いまだに比較的切り離されている。
本研究の目的は、言語進化研究の歴史的文脈における最近のMARL貢献の位置づけと、この理論と計算の背景から将来の研究の課題を抽出することである。
関連論文リスト
- History, Development, and Principles of Large Language Models-An
Introductory Survey [48.27738446932852]
自然言語処理(NLP)の基盤となる言語モデル
数十年にわたる広範な研究を経て、言語モデリングは、初期統計言語モデル(SLM)から、大規模言語モデル(LLM)の現代的景観へと進歩してきた。
論文 参考訳(メタデータ) (2024-02-10T01:18:15Z) - Natural Language Processing for Dialects of a Language: A Survey [59.78833854847185]
最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。
この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。
方言データセットに対するNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
論文 参考訳(メタデータ) (2024-01-11T03:04:38Z) - Exploring the Potential of Large Language Models in Computational
Argumentation [59.926959119656416]
大規模言語モデル(LLM)は、文脈を理解し、自然言語を生成する強力な能力を示している。
既存のタスクを6つのメインクラスに整理し、14のオープンソースデータセットのフォーマットを標準化します。
大規模な実験により、LLMはこれらのデータセットのほとんどにわたって可換な性能を示すことが示された。
論文 参考訳(メタデータ) (2023-11-15T15:12:15Z) - Large Language Models for Information Retrieval: A Survey [57.7992728506871]
情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。
近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。
LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
論文 参考訳(メタデータ) (2023-08-14T12:47:22Z) - A Survey of Large Language Models [81.06947636926638]
言語モデリングは、過去20年間、言語理解と生成のために広く研究されてきた。
近年,大規模コーパス上でのトランスフォーマーモデルの事前学習により,事前学習言語モデル (PLM) が提案されている。
パラメータスケールの違いを識別するために、研究コミュニティは大規模言語モデル (LLM) という用語を提唱した。
論文 参考訳(メタデータ) (2023-03-31T17:28:46Z) - ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational
Finance Question Answering [70.6359636116848]
本稿では,対話型質問応答における数値推論の連鎖を研究するために,新しい大規模データセットConvFinQAを提案する。
我々のデータセットは、現実世界の会話において、長距離で複雑な数値推論パスをモデル化する上で大きな課題となる。
論文 参考訳(メタデータ) (2022-10-07T23:48:50Z) - Overcoming Language Disparity in Online Content Classification with
Multimodal Learning [22.73281502531998]
大規模言語モデルは、テキスト検出と分類タスクのための最先端のソリューションを開発するための標準となっている。
高度な計算技術と資源の開発は、英語に不相応に焦点が当てられている。
マルチモーダル機械学習を用いて画像に含まれる情報を統合するという約束を探求する。
論文 参考訳(メタデータ) (2022-05-19T17:56:02Z) - Schr\"odinger's Tree -- On Syntax and Neural Language Models [10.296219074343785]
言語モデルは、NLPのワークホースとして登場し、ますます流動的な生成能力を示している。
我々は、多くの次元にまたがる明瞭さの欠如を観察し、研究者が形成する仮説に影響を及ぼす。
本稿では,構文研究における様々な研究課題の意義について概説する。
論文 参考訳(メタデータ) (2021-10-17T18:25:23Z) - Identifying Causal Influences on Publication Trends and Behavior: A Case
Study of the Computational Linguistics Community [10.791197825505755]
本稿では,出版傾向と行動の因果的影響を明らかにするための混合手法分析について述べる。
主要な発見は、研究コミュニティにおける急速に発展する方法論への移行を浮き彫りにしている。
我々はこの研究が出版トレンドや行動に関する有用な洞察を提供することを期待している。
論文 参考訳(メタデータ) (2021-10-15T08:36:13Z) - An Interpretable Graph-based Mapping of Trustworthy Machine Learning
Research [3.222802562733787]
我々は、7000以上のピアレビューされた最近のML論文からなるウェブスクラッドコーパスを用いて、単語の共起ネットワークを構築した。
コミュニティ検出を使用して、TwMLトピックの相対的な位置を推測できるこのネットワーク内の単語のセマンティッククラスタを取得します。
論文 参考訳(メタデータ) (2021-05-13T23:25:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。