Fugu-MT 論文翻訳(概要): Adaptation of a Lexical Organization for Social Engineering Detection and Response Generation

論文の概要: Adaptation of a Lexical Organization for Social Engineering Detection and Response Generation

arxiv url: http://arxiv.org/abs/2004.09050v1
Date: Mon, 20 Apr 2020 04:37:55 GMT
ステータス: 処理完了
システム内更新日: 2022-12-11 18:39:03.287034
Title: Adaptation of a Lexical Organization for Social Engineering Detection and Response Generation
Title（参考訳）: 社会工学的発見と応答生成のための語彙体系の適応
Authors: Archna Bhatia, Adam Dalton, Brodie Mather, Sashank Santhanam, Samira Shaikh, Alan Zemel, Tomek Strzalkowski, Bonnie J. Dorr
Abstract要約: 社会工学の検出と応答生成を支援するために,レキシカル構造に基づくレキシコン開発のためのパラダイムを提案する。我々は、質問(お金へのアクセスなどの行動の緩和)とフレーミング(質問によって示唆されるリスク/リワード)という中心的な概念を活用する。
参考スコア（独自算出の注目度）: 6.654914040895586
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a paradigm for extensible lexicon development based on Lexical Conceptual Structure to support social engineering detection and response generation. We leverage the central notions of ask (elicitation of behaviors such as providing access to money) and framing (risk/reward implied by the ask). We demonstrate improvements in ask/framing detection through refinements to our lexical organization and show that response generation qualitatively improves as ask/framing detection performance improves. The paradigm presents a systematic and efficient approach to resource adaptation for improved task-specific performance.
Abstract（参考訳）: 本稿では,社会工学的発見と応答生成を支援するための語彙的概念構造に基づく拡張可能な語彙展開のためのパラダイムを提案する。我々は、質問(お金へのアクセスなどの行動の緩和)とフレーミング(要求によって示唆されるリスク/リワード)という中心的な概念を活用する。語彙組織の改良を通じて,ask/framing検出の改善を実証し,ask/framing検出性能の向上に伴い,応答生成が定性的に改善することを示す。このパラダイムは、タスク固有のパフォーマンスを改善するために、リソース適応に対する体系的で効率的なアプローチを示す。

関連論文リスト

FS-RAG: A Frame Semantics Based Approach for Improved Factual Accuracy in Large Language Models [2.1484130681985047]
本稿では,大規模言語モデルの出力における事実的不正確さを軽減することを目的として,検索強化生成の新たな拡張を提案する。提案手法は,大規模言語モデルの問合せ支援に関連する事実情報のインデックス化と検索を目的とした,フレームセマンティクスの認知言語理論に基づく。
論文参考訳（メタデータ） (2024-06-23T17:18:19Z)
ERAGent: Enhancing Retrieval-Augmented Language Models with Improved Accuracy, Efficiency, and Personalization [14.62114319247837]
ERAGentはRAG領域の進歩を具現化した最先端のフレームワークである。 Retrieval Triggerは、応答品質を犠牲にすることなく、外部知識検索を効率化するために組み込まれている。 ERAGentは学習したユーザプロファイルを組み込むことで応答をパーソナライズする。
論文参考訳（メタデータ） (2024-05-06T04:42:18Z)
Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
論文参考訳（メタデータ） (2024-02-09T07:45:26Z)
Improved Contextual Recognition In Automatic Speech Recognition Systems By Semantic Lattice Rescoring [4.819085609772069]
本稿では,意味的格子処理によるASRシステム内における文脈認識の高度化のための新しい手法を提案する。提案手法は,隠れマルコフモデルとガウス混合モデル(HMM-GMM)とディープニューラルネットワーク(DNN)モデルを用いて,精度を向上する。本稿では,実験分析によるLibriSpeechデータセット上でのフレームワークの有効性を示す。
論文参考訳（メタデータ） (2023-10-14T23:16:05Z)
Traceable Group-Wise Self-Optimizing Feature Transformation Learning: A Dual Optimization Perspective [33.45878576396101]
特徴変換は、既存の特徴を数学的に洗練することにより、効果的な表現空間を再構築することを目的としている。既存の研究は主にドメイン知識に基づく特徴工学や学習潜在表現に重点を置いている。最初の作業は、新しい自己最適化フレームワークを導入することで、この課題への先駆的な一歩を踏み出したのです。
論文参考訳（メタデータ） (2023-06-29T12:29:21Z)
Enhancing Retrieval-Augmented Large Language Models with Iterative Retrieval-Generation Synergy [164.83371924650294]
検索と生成を反復的に同期させるIter-RetGenと呼ばれる手法により,高い性能が得られることを示す。モデル出力は、タスクを完了するために必要なものを示し、より関連する知識を取得するための情報的コンテキストを提供する。 Iter-RetGenプロセスは、すべての知識を全体として取得し、構造的な制約なしに生成時の柔軟性をほとんど保持します。
論文参考訳（メタデータ） (2023-05-24T16:17:36Z)
Improving Factuality and Reasoning in Language Models through Multiagent Debate [95.10641301155232]
複数の言語モデルインスタンスが共通の最終回答に到達するために、複数のラウンドで個別の応答と推論プロセスを提案し、議論する言語応答を改善するための補完的なアプローチを提案する。以上の結果から,本手法は様々なタスクにおける数学的・戦略的推論を著しく向上させることが示唆された。我々のアプローチは、既存のブラックボックスモデルに直接適用され、調査するすべてのタスクに対して、同じ手順とプロンプトを使用することができる。
論文参考訳（メタデータ） (2023-05-23T17:55:11Z)
Better Retrieval May Not Lead to Better Question Answering [59.1892787017522]
システムの性能を改善するための一般的なアプローチは、取得したコンテキストの品質をIRステージから改善することである。マルチホップ推論を必要とするオープンドメインのQAデータセットであるStrategyQAでは、この一般的なアプローチは驚くほど非効率である。
論文参考訳（メタデータ） (2022-05-07T16:59:38Z)
Exploring Fluent Query Reformulations with Text-to-Text Transformers and Reinforcement Learning [11.205077315939644]
テキストからテキストへの変換器を用いた改質器の訓練により、クエリの改質を生成する方法を検討する。ポリシーベースの強化学習アルゴリズムを適用し、報酬学習をさらに促進します。当社のフレームワークはフレキシブルで,異なる下流環境から報奨信号の発信を可能にする。
論文参考訳（メタデータ） (2020-12-18T03:16:37Z)
Morphologically Aware Word-Level Translation [82.59379608647147]
本稿では,バイリンガルレキシコン誘導のための新しい形態素認識確率モデルを提案する。我々のモデルは、レキセメが意味の鍵となる語彙単位であるという基本的な言語的直観を生かしている。
論文参考訳（メタデータ） (2020-11-15T17:54:49Z)
Improving Adversarial Text Generation by Modeling the Distant Future [155.83051741029732]
テキスト計画手法を考察し、上記の問題を緩和するためのモデルに基づく模倣学習手法を提案する。本稿では,より長い地平線上の生成過程に焦点をあてる新しいガイドネットワークを提案する。
論文参考訳（メタデータ） (2020-05-04T05:45:13Z)

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。