論文の概要: Ideas for Improving the Field of Machine Learning: Summarizing Discussion from the NeurIPS 2019 Retrospectives Workshop

• arxiv url: http://arxiv.org/abs/2007.10546v1
• Date: Tue, 21 Jul 2020 01:17:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 04:31:33.647010
• Title: Ideas for Improving the Field of Machine Learning: Summarizing Discussion from the NeurIPS 2019 Retrospectives Workshop
• Title（参考訳）: 機械学習の分野を改善するためのアイデア: neurips 2019 retrospectives workshopでの議論を要約する
• Authors: Shagun Sodhani, Mayoore S. Jaiswal, Lauren Baker, Koustuv Sinha, Carl Shneider, Peter Henderson, Joel Lehman, Ryan Lowe
• Abstract要約: このレポートは、NeurIPS 2019のML Retrospectivesワークショップで議論された機械学習の分野を改善するためのアイデアを文書化している。 報告書の目的は、これらのアイデアをより広く広めることであり、その結果、フィールドがこれらの軸に沿ってどのように改善されるかについての継続的な議論を促進することである。
• 参考スコア（独自算出の注目度）: 21.392095675840782
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This report documents ideas for improving the field of machine learning, which arose from discussions at the ML Retrospectives workshop at NeurIPS 2019. The goal of the report is to disseminate these ideas more broadly, and in turn encourage continuing discussion about how the field could improve along these axes. We focus on topics that were most discussed at the workshop: incentives for encouraging alternate forms of scholarship, re-structuring the review process, participation from academia and industry, and how we might better train computer scientists as scientists. Videos from the workshop can be accessed at https://slideslive.com/neurips/west-114-115-retrospectives-a-venue-for-selfreflection-in-ml-research
• Abstract（参考訳）: このレポートは、NeurIPS 2019のML Retrospectivesワークショップで議論された機械学習の分野を改善するためのアイデアを文書化している。 報告書の目的は、これらのアイデアをより広く広めることであり、その結果、フィールドがこれらの軸に沿ってどのように改善されるかについての継続的な議論を促進することである。 ワークショップで最も議論されたトピックは、奨学金の代替形態を奨励するためのインセンティブ、レビュープロセスの再構築、アカデミックと産業への参加、そしてコンピュータ科学者を科学者として訓練する方法である。 ワークショップのビデオはhttps://slideslive.com/neurips/west-114-115-retrospectives-a-venue-for-selfreflection-in-ml-research で見ることができる。

関連論文リスト

• Rethinking the Bounds of LLM Reasoning: Are Multi-Agent Discussions the Key? [84.36332588191623]
  本稿では,議論機構の集合を充実させる新しいグループディスカッションフレームワークを提案する。 マルチエージェントの議論は,プロンプトに実演がない場合にのみ,単一のエージェントよりも優れていることが観察された。
  論文  参考訳（メタデータ） (2024-02-28T12:04:05Z)
• How Can Recommender Systems Benefit from Large Language Models: A Survey [83.90471827695625]
  大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。 我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
  論文  参考訳（メタデータ） (2023-06-09T11:31:50Z)
• Technology and Consciousness [0.0]
  2017年夏に開催された8つのワークショップ「技術と意識」について報告する。 ワークショップは多くのテーマをカバーしたが、全体的な目標は機械意識の可能性を評価することだった。 付録は各ワークショップのトピックを概説し、提供された講演の要約を提供する。
  論文  参考訳（メタデータ） (2022-07-17T23:23:01Z)
• Report from the NSF Future Directions Workshop on Automatic Evaluation of Dialog: Research Directions and Challenges [87.2207978732317]
  このワークショップは、その限界と共に芸術の現状を探求し、この重要かつ非常に急速に変化する研究領域における将来の研究に向けた有望な方向性を提案した。
  論文  参考訳（メタデータ） (2022-03-18T15:21:11Z)
• What Would a Teacher Do? Predicting Future Talk Moves [19.952531500315757]
  未来話移動予測(FTMP)と呼ばれる新しいタスクを導入する。 会話履歴とそれに対応する会話の動きが与えられたとき、次の会話の動きを予測する。 このタスクのためのニューラルネットワークモデルを導入し、複数のベースラインを大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2021-06-09T17:45:16Z)
• A Living Review of Machine Learning for Particle Physics [0.5076419064097732]
  ディープラーニングを含む現代の機械学習技術は、急速に応用され、適応され、高エネルギー物理学のために開発されている。 この研究の速いペースを踏まえ、我々は、ほぼ包括的な引用リストを提供することを目的として、生活レビューを作成しました。 生きたドキュメントとして、最新の開発を統合するために可能な限り頻繁に更新されます。
  論文  参考訳（メタデータ） (2021-02-02T04:39:40Z)
• Perspectives on Sim2Real Transfer for Robotics: A Summary of the R:SS 2020 Workshop [79.20516797125704]
  このレポートでは、2020年版「ロボティクス:科学とシステム」会議と連動して開催されるSim2Realワークショップの議論、ポスター、および議論を紹介します。 フィールドの12のリーダーは、ロボットの問題の文脈でシミュレーションから現実世界にスキルを転送することの定義、実行可能性、および重要性に関する競合する議論のポジションを取りました。 議論者は大きなパネルディスカッションに参加し、聴衆の質問に答え、ロボット工学におけるSim2Realの将来について概説した。
  論文  参考訳（メタデータ） (2020-12-07T15:48:26Z)
• The Potential of Machine Learning and NLP for Handling Students' Feedback (A Short Survey) [0.0]
  本稿では,近年,データマイニング技術を用いた学生のフィードバック論文の文献を概説する。 特に注目すべきは、機械学習アプローチとディープラーニングアプローチの両方を使用している論文に焦点を当てることだ。
  論文  参考訳（メタデータ） (2020-11-07T17:28:40Z)
• Teaching with Commentaries [108.62722733649542]
  コメントとメタ情報を用いたフレキシブルな教育フレームワークを提案する。 解説はトレーニングのスピードと/またはパフォーマンスを改善することができる。 パフォーマンスのメリットを得るために、新しいモデルをトレーニングするときに、コメンタリを再利用できる。
  論文  参考訳（メタデータ） (2020-11-05T18:52:46Z)
• Post-Workshop Report on Science meets Engineering in Deep Learning, NeurIPS 2019, Vancouver [22.79131508712044]
  Science meets Engineering in Deep Learningは、NeurIPS 2019のワークショップの一部として、バンクーバーで開催された。 本報告は,イベントを通じて提示された話題やテーマを分離する試みである。
  論文  参考訳（メタデータ） (2020-06-25T12:19:09Z)
• Deep Conversational Recommender Systems: A New Frontier for Goal-Oriented Dialogue Systems [54.06971074217952]
  Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。 ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
  論文  参考訳（メタデータ） (2020-04-28T02:20:42Z)

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。

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。