論文の概要: Givenness Hierarchy Theoretic Cognitive Status Filtering
- arxiv url: http://arxiv.org/abs/2005.11267v1
- Date: Fri, 22 May 2020 16:44:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 08:22:02.283137
- Title: Givenness Hierarchy Theoretic Cognitive Status Filtering
- Title（参考訳）: 帰納階層理論的認知状態フィルタリング
- Authors: Poulomi Pal, Lixiao Zhu, Andrea Golden-Lasher, Akshay Swaminathan, Tom
Williams
- Abstract要約: 人間は、相手が会話相手の心に持つ認知状態について暗黙の仮定によって代名詞を使用する。
本稿では,ルールベース有限状態マシンモデルと認知ステータスフィルタの2つの認知ステータスモデルを提案する。
モデルはOFAI Multimodal Task Description Corpusの銀標準英語サブセットを用いて実証および評価を行った。
- 参考スコア（独自算出の注目度）: 1.689482889925796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For language-capable interactive robots to be effectively introduced into
human society, they must be able to naturally and efficiently communicate about
the objects, locations, and people found in human environments. An important
aspect of natural language communication is the use of pronouns. Ac-cording to
the linguistic theory of the Givenness Hierarchy(GH), humans use pronouns due
to implicit assumptions about the cognitive statuses their referents have in
the minds of their conversational partners. In previous work, Williams et al.
presented the first computational implementation of the full GH for the purpose
of robot language understanding, leveraging a set of rules informed by the GH
literature. However, that approach was designed specifically for language
understanding,oriented around GH-inspired memory structures used to assess what
entities are candidate referents given a particular cognitive status. In
contrast, language generation requires a model in which cognitive status can be
assessed for a given entity. We present and compare two such models of
cognitive status: a rule-based Finite State Machine model directly informed by
the GH literature and a Cognitive Status Filter designed to more flexibly
handle uncertainty. The models are demonstrated and evaluated using a
silver-standard English subset of the OFAI Multimodal Task Description Corpus.
- Abstract（参考訳）: 言語対応型対話型ロボットが人間社会に効果的に導入されるためには、人間環境に存在する物体、場所、人々について自然かつ効率的にコミュニケーションできる必要がある。
自然言語コミュニケーションの重要な側面は代名詞の使用である。
感性階層(GH)の言語理論によれば、人間は話し相手の心にある認知状態について暗黙の仮定により代名詞を使用する。
ウィリアムズらは以前の研究で、ロボット言語理解のための完全なGHの計算的実装を初めて発表し、GH文献から得られる一連のルールを活用している。
しかし、この手法は言語理解のために特別に設計され、特定の認知状態が与えられたエンティティがどの候補参照者であるかを評価するために使用されるGHにインスパイアされたメモリ構造を中心に設計されている。
対照的に、言語生成には、あるエンティティに対して認知状態を評価するモデルが必要である。
gh文献から直接情報を得たルールベース有限状態機械モデルと,不確実性をより柔軟に扱うように設計された認知状態フィルタの2つのモデルを比較した。
モデルはOFAI Multimodal Task Description Corpusの銀標準英語サブセットを用いて実証および評価を行った。
関連論文リスト
- Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
検索強化に関して,言語モデルの信頼性に焦点をあてる。
検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。
言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
論文 参考訳（メタデータ） (2024-10-22T09:25:21Z) - Standard Language Ideology in AI-Generated Language [1.2815904071470705]
大規模言語モデル(LLM)によって生成された言語における標準言語イデオロギーについて検討する。
我々は、標準AI生成言語イデオロギーの概念を導入し、AI生成言語が標準アメリカ英語(SAE)を言語的デフォルトとみなし、SAEが最も「適切な」言語であるとの言語バイアスを強化する。
論文 参考訳（メタデータ） (2024-06-13T01:08:40Z) - Learning with Language-Guided State Abstractions [58.199148890064826]
高次元観測空間における一般化可能なポリシー学習は、よく設計された状態表現によって促進される。
我々の手法であるLGAは、自然言語の監視と言語モデルからの背景知識を組み合わせて、目に見えないタスクに適した状態表現を自動構築する。
シミュレーションされたロボットタスクの実験では、LGAは人間によって設計されたものと同様の状態抽象化をもたらすが、そのほんの少しの時間で得られる。
論文 参考訳（メタデータ） (2024-02-28T23:57:04Z) - Language Generation from Brain Recordings [68.97414452707103]
本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。
提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。
本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
論文 参考訳（メタデータ） (2023-11-16T13:37:21Z) - BabySLM: language-acquisition-friendly benchmark of self-supervised
spoken language models [56.93604813379634]
音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。
語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。
テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
論文 参考訳（メタデータ） (2023-06-02T12:54:38Z) - Language Models as Inductive Reasoners [125.99461874008703]
本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。
タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。
我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文 参考訳（メタデータ） (2022-12-21T11:12:14Z) - A Linguistic Investigation of Machine Learning based Contradiction
Detection Models: An Empirical Analysis and Future Perspectives [0.34998703934432673]
本稿では,2つの自然言語推論データセットについて,その言語的特徴について分析する。
目標は、特に機械学習モデルを理解するのが難しい、構文的および意味的特性を特定することである。
論文 参考訳（メタデータ） (2022-10-19T10:06:03Z) - Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。
自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文 参考訳（メタデータ） (2022-10-14T02:35:19Z) - ReferentialGym: A Nomenclature and Framework for Language Emergence &
Grounding in (Visual) Referential Games [0.30458514384586394]
自然言語は、人間が情報を伝達し、共通の目標に向けて協力するための強力なツールである。
計算言語学者は、言語ゲームによって引き起こされる人工言語の出現を研究している。
AIコミュニティは、言語の出現と、より優れたヒューマンマシンインターフェースに向けた基礎研究を開始した。
論文 参考訳（メタデータ） (2020-12-17T10:22:15Z) - Toward Givenness Hierarchy Theoretic Natural Language Generation [2.4505259300326334]
このようなコミュニケーションの重要な側面は、アナフォリック言語の使用である。
GH(Givenness Hierarchy)の言語理論は、人間がアナフォラを相手の認知的地位に基づいて用いていることを示唆している。
本稿では,ロボットのアナフォラ生成を促進するために,GHをまったく異なる用途で使用する必要があることを述べる。
論文 参考訳（メタデータ） (2020-07-17T17:51:29Z)
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。