Fugu-MT 論文翻訳(概要): Transparency in Language Generation: Levels of Automation

論文の概要: Transparency in Language Generation: Levels of Automation

arxiv url: http://arxiv.org/abs/2006.06295v1
Date: Thu, 11 Jun 2020 10:01:59 GMT
ステータス: 処理完了
システム内更新日: 2022-11-22 14:16:42.260864
Title: Transparency in Language Generation: Levels of Automation
Title（参考訳）: 言語生成における透明性: 自動化のレベル
Authors: Justin Edwards and Allison Perrone and Philip R. Doyle
Abstract要約: 本稿では,SAEの運転自動化レベルに基づく言語自動化の分類法を提案する。この急速に進歩する分野において、提案された分類が透明性を高めることを願っている。
参考スコア（独自算出の注目度）: 3.3880744890278276
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Language models and conversational systems are growing increasingly advanced, creating outputs that may be mistaken for humans. Consumers may thus be misled by advertising, media reports, or vagueness regarding the role of automation in the production of language. We propose a taxonomy of language automation, based on the SAE levels of driving automation, to establish a shared set of terms for describing automated language. It is our hope that the proposed taxonomy can increase transparency in this rapidly advancing field.
Abstract（参考訳）: 言語モデルと会話システムはますます進歩し、人間が間違える可能性のあるアウトプットを生み出している。したがって、消費者は、言語生産における自動化の役割に関する広告、メディアレポート、曖昧さによって誤解される可能性がある。本稿では,SAEの運転自動化レベルに基づく言語自動化の分類を提案し,自動化言語を記述するための共通用語セットを確立する。この急速に進歩する分野において、提案された分類が透明性を高めることを願っている。

関連論文リスト

Developing Instruction-Following Speech Language Model Without Speech Instruction-Tuning Data [84.01401439030265]
最近のエンドツーエンド言語モデル(SLM)は、大規模言語モデル(LLM)の機能に拡張されている。音声とテキストのペアデータを生成するための,シンプルで効果的な自動処理手法を提案する。本モデルでは,音声教育データを必要としない音声関連タスクの汎用性を示す。
論文参考訳（メタデータ） (2024-09-30T07:01:21Z)
Towards Scalable Automated Alignment of LLMs: A Survey [54.820256625544225]
本稿では,最近登場した自動アライメントの手法を体系的にレビューする。既存の自動アライメント手法をアライメント信号のソースに基づいて4つの主要なカテゴリに分類する。本稿では,アライメントの基本的役割から,自動アライメント技術の実現を可能にする重要な要因について論じる。
論文参考訳（メタデータ） (2024-06-03T12:10:26Z)
Dialogue-based generation of self-driving simulation scenarios using Large Language Models [14.86435467709869]
シミュレーションは自動運転車のコントローラーを開発し評価するための貴重なツールである。現在のシミュレーションフレームワークは、高度に専門的なドメイン固有言語によって駆動される。簡潔な英語の発話と、ユーザの意図をキャプチャする実行可能なコードの間には、しばしばギャップがある。
論文参考訳（メタデータ） (2023-10-26T13:07:01Z)
Robotic Skill Acquisition via Instruction Augmentation with Vision-Language Models [70.82705830137708]
言語条件制御のためのデータ駆動型インストラクション拡張(DIAL)について紹介する。我々は,CLIPのセマンティック理解を利用したセミ言語ラベルを用いて,未知の実演データの大規模なデータセットに知識を伝達する。 DIALは、模倣学習ポリシーによって、新しい能力を獲得し、元のデータセットにない60の新しい命令を一般化することができる。
論文参考訳（メタデータ） (2022-11-21T18:56:00Z)
Prompting Language Models for Linguistic Structure [73.11488464916668]
本稿では,言語構造予測タスクに対する構造化プロンプト手法を提案する。提案手法は, 音声タグ付け, 名前付きエンティティ認識, 文チャンキングについて評価する。 PLMはタスクラベルの事前知識を事前学習コーパスに漏えいすることで有意な事前知識を含むが、構造化プロンプトは任意のラベルで言語構造を復元することも可能である。
論文参考訳（メタデータ） (2022-11-15T01:13:39Z)
Translation Word-Level Auto-Completion: What can we achieve out of the box? [6.241494296494433]
利用可能なライブラリから事前学習モデルとアウト・オブ・ザ・ボックス機能を使用することの可能性を検討する。 CTranslate2をベースにしたオープンソースのAPIを導入し、翻訳、自動提案、自動補完を提供します。
論文参考訳（メタデータ） (2022-10-23T17:58:01Z)
Natural Language Sentence Generation from API Specifications [5.192671914929481]
本稿では,意図認識モデルを訓練するための文を生成するシステムを提案する。ヒューマン・イン・ザ・ループのインタラクションはシステムにさらなる改善をもたらすだろう。
論文参考訳（メタデータ） (2022-06-01T15:50:14Z)
ImaginE: An Imagination-Based Automatic Evaluation Metric for Natural Language Generation [53.56628907030751]
我々は、自然言語生成のための想像力に基づく自動評価指標ImaginEを提案する。 CLIPとDALL-Eの助けを借りて、大規模な画像テキストペアで事前訓練された2つのクロスモーダルモデルを作成し、テキストスニペットの具体的想像力として自動的に画像を生成する。いくつかのテキスト生成タスクにまたがる実験により、我々のImaginEに想像力を加えることは、NLG評価にマルチモーダル情報を導入する大きな可能性を示している。
論文参考訳（メタデータ） (2021-06-10T17:59:52Z)
GENIE: A Leaderboard for Human-in-the-Loop Evaluation of Text Generation [83.10599735938618]
リーダーボードは、評価を標準化し、独立した外部リポジトリに委譲することで、多くのNLPデータセットのモデル開発を容易にしています。本研究では、テキスト生成タスクにリーダーボードの容易さをもたらす人間評価リーダーボードであるGENIEを紹介します。
論文参考訳（メタデータ） (2021-01-17T00:40:47Z)
A Conversational Digital Assistant for Intelligent Process Automation [7.446834742371106]
我々は対話型デジタルアシスタントという形で対話型自動化を探求する。ビジネスユーザは自然言語を使って、自動化ソリューションと対話し、カスタマイズできる。提案手法がローン承認事業プロセスと旅行事前承認事業プロセスに与える影響を実証する。
論文参考訳（メタデータ） (2020-07-27T00:38:13Z)
SkinAugment: Auto-Encoding Speaker Conversions for Automatic Speech Translation [12.292167129361825]
自動音声翻訳における訓練データ拡張のための自動符号化話者変換を提案する。この技術は直接音声シーケンスを変換し、その結果、他の話者の声に似た音声が合成される。提案手法は,英語$to$ Frenchと英語$to$Romanian Automatic Speech Translation (AST)タスクのSpecAugmentと比較した。
論文参考訳（メタデータ） (2020-02-27T16:22:42Z)

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。