論文の概要: Lifelong Learning Dialogue Systems: Chatbots that Self-Learn On the Job
- arxiv url: http://arxiv.org/abs/2009.10750v2
- Date: Wed, 24 Feb 2021 00:10:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 21:41:58.952310
- Title: Lifelong Learning Dialogue Systems: Chatbots that Self-Learn On the Job
- Title（参考訳）: 生涯学習対話システム:仕事で自己学習するチャットボット
- Authors: Bing Liu, Sahisnu Mazumder
- Abstract要約: 我々は,新たな世界知識を継続的に学習する能力を実現することを提案する。
このようなシステムのマルチユーザ環境を利用して,動詞および非動詞手段を介してユーザとの対話を通じて自己学習を行う。
- 参考スコア（独自算出の注目度）: 21.87382385938692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dialogue systems, also called chatbots, are now used in a wide range of
applications. However, they still have some major weaknesses. One key weakness
is that they are typically trained from manually-labeled data and/or written
with handcrafted rules, and their knowledge bases (KBs) are also compiled by
human experts. Due to the huge amount of manual effort involved, they are
difficult to scale and also tend to produce many errors ought to their limited
ability to understand natural language and the limited knowledge in their KBs.
Thus, the level of user satisfactory is often low. In this paper, we propose to
dramatically improve this situation by endowing the system the ability to
continually learn (1) new world knowledge, (2) new language expressions to
ground them to actions, and (3) new conversational skills, during conversation
or "on the job" by themselves so that as the systems chat more and more with
users, they become more and more knowledgeable and are better and better able
to understand diverse natural language expressions and improve their
conversational skills. A key approach to achieving these is to exploit the
multi-user environment of such systems to self-learn through interactions with
users via verb and non-verb means. The paper discusses not only key challenges
and promising directions to learn from users during conversation but also how
to ensure the correctness of the learned knowledge.
- Abstract（参考訳）: チャットボットとも呼ばれる対話システムは現在、幅広いアプリケーションで使用されている。
しかし、いくつかの大きな弱点がある。
重要な弱点の1つは、手動でラベル付けされたデータからトレーニングされ、手書きのルールで書かれ、知識ベース(KB)も人間の専門家によってコンパイルされることである。
大量の手作業が必要となるため、スケールアップが難しく、また、自然言語を理解する能力やkbsの知識が限られているため、多くのエラーを発生させる傾向がある。
したがって、ユーザ満足度は低いことが多い。
In this paper, we propose to dramatically improve this situation by endowing the system the ability to continually learn (1) new world knowledge, (2) new language expressions to ground them to actions, and (3) new conversational skills, during conversation or "on the job" by themselves so that as the systems chat more and more with users, they become more and more knowledgeable and are better and better able to understand diverse natural language expressions and improve their conversational skills.
これらを実現するための重要なアプローチは、このようなシステムのマルチユーザ環境を利用して、動詞と非動詞手段によるユーザとのインタラクションを通じて自己学習することです。
本論文は,会話中のユーザから学ぶための重要な課題や有望な方向性だけでなく,学習知識の正しさの確保方法についても論じる。
関連論文リスト
- Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue [73.69510478736483]
大規模言語モデル(LLM)は、流動的で一貫性があり多様な応答を生成する。
しかし、それらは重要な能力、コミュニケーションスキルを欠いている。
本稿は,内的モノローグによるLLMのコミュニケーション能力向上を目的としている。
実験の結果,提案したCSIM戦略はバックボーンモデルを改善し,ベースラインよりも優れていた。
論文 参考訳（メタデータ） (2023-11-13T16:19:42Z) - VAL: Interactive Task Learning with GPT Dialog Parsing [2.6207405455197827]
大規模言語モデル(LLM)は脆性に耐性があるが、解釈不可能であり、漸進的に学習することはできない。
LLM/シンボリック統合のための新しい哲学を持つIPLシステムであるVALを提案する。
ゲーム環境におけるVALのユーザインタラクションについて検討し,VALが自然であると感じた言語を用いて,ほとんどのユーザがVALを学べることを発見した。
論文 参考訳（メタデータ） (2023-10-02T20:45:41Z) - Lifelong and Continual Learning Dialogue Systems [14.965054800464259]
本書は生涯学習対話システムの新たなパラダイムを紹介する。
システムがより多くのユーザとチャットしたり、外部ソースからより多くのことを学ぶようになると、会話の知識が増し、より良くなる。
論文 参考訳（メタデータ） (2022-11-12T02:39:41Z) - Using Chatbots to Teach Languages [43.866863322607216]
我々のシステムは、ユーザの言語能力に即時に適応できる。
ユーザが誤りから学ぶのに役立つ自動文法エラーフィードバックを提供する。
我々の次のステップは、強化学習アルゴリズムを用いてユーザープロファイル情報に適応させることです。
論文 参考訳（メタデータ） (2022-07-31T07:01:35Z) - Do As I Can, Not As I Say: Grounding Language in Robotic Affordances [119.29555551279155]
大規模な言語モデルは、世界に関する豊富な意味知識を符号化することができる。
このような知識は、自然言語で表現された高レベルで時間的に拡張された命令を動作させようとするロボットにとって極めて有用である。
低レベルのスキルを大規模言語モデルと組み合わせることで,言語モデルが複雑かつ時間的に拡張された命令を実行する手順について高いレベルの知識を提供することを示す。
論文 参考訳（メタデータ） (2022-04-04T17:57:11Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳（メタデータ） (2022-03-20T17:51:49Z) - LISA: Learning Interpretable Skill Abstractions from Language [85.20587800593293]
言語条件による実演から多種多様な解釈可能なスキルを学習できる階層型模倣学習フレームワークを提案する。
本手法は, 逐次的意思決定問題において, 言語に対するより自然な条件付け方法を示す。
論文 参考訳（メタデータ） (2022-02-28T19:43:24Z) - Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。
現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。
グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文 参考訳（メタデータ） (2021-10-15T14:36:45Z) - Lifelong Knowledge Learning in Rule-based Dialogue Systems [10.229787631112742]
本稿では,ルールベースのチャットボットにそのような学習機能を組み込むことにより,ユーザとのチャットにおいて,新たな知識を継続的に獲得することを提案する。
多くの実環境にデプロイされたチャットボットはルールベースであるため、この作業は有用である。
論文 参考訳（メタデータ） (2020-11-19T13:33:12Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳（メタデータ） (2020-10-11T08:27:07Z)
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。