Fugu-MT 論文翻訳(概要): Learning to Plan and Realize Separately for Open-Ended Dialogue Systems

論文の概要: Learning to Plan and Realize Separately for Open-Ended Dialogue Systems

arxiv url: http://arxiv.org/abs/2009.12506v2
Date: Sun, 4 Oct 2020 23:57:43 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 08:44:21.568453
Title: Learning to Plan and Realize Separately for Open-Ended Dialogue Systems
Title（参考訳）: オープンエンド対話システムの設計と実現のための学習
Authors: Sashank Santhanam, Zhuo Cheng, Brodie Mather, Bonnie Dorr, Archna Bhatia, Bryanna Hebenstreit, Alan Zemel, Adam Dalton, Tomek Strzalkowski and Samira Shaikh
Abstract要約: 生成を、計画と実現の2つのフェーズに分離します。プロセスから計画と実現への分離は、エンドツーエンドのアプローチよりも優れていることを実証します。
参考スコア（独自算出の注目度）: 7.790365778349838
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Achieving true human-like ability to conduct a conversation remains an elusive goal for open-ended dialogue systems. We posit this is because extant approaches towards natural language generation (NLG) are typically construed as end-to-end architectures that do not adequately model human generation processes. To investigate, we decouple generation into two separate phases: planning and realization. In the planning phase, we train two planners to generate plans for response utterances. The realization phase uses response plans to produce an appropriate response. Through rigorous evaluations, both automated and human, we demonstrate that decoupling the process into planning and realization performs better than an end-to-end approach.
Abstract（参考訳）: 会話を行う真の人間的な能力を達成することは、オープンエンドの対話システムにとって、明白な目標である。これは、現在、自然言語生成(NLG)へのアプローチが、人間の生成プロセスを適切にモデル化しないエンドツーエンドアーキテクチャとして解釈されているためである。そこで我々は,生成を計画と実現の2つの段階に分けた。計画段階では,2つのプランナーを訓練し,応答発話の計画を生成する。実現フェーズでは、適切な応答を生成するためにレスポンスプランを使用する。自動化と人間両方の厳密な評価を通じて、プロセスの計画と実現への分離がエンドツーエンドのアプローチよりも優れていることを示す。

関連論文リスト

Stephanie: Step-by-Step Dialogues for Mimicking Human Interactions in Social Conversations [50.698517967337885]
本研究では,人間の会話の動的な性質を模倣する新しいテキストbf-by-Step Dialogue Paradigm (Stephanie)を提案する。デュアルラーニング戦略と,さらに分割した後編集手法を用いて,高品質なステップバイステップ対話データセットを作成した。従来の単段階対話のパラダイムと比較して,その効果を評価するために,自動評価と人的評価を行った。
論文参考訳（メタデータ） (2024-07-04T17:59:41Z)
Dialogue Action Tokens: Steering Language Models in Goal-Directed Dialogue with a Multi-Turn Planner [51.77263363285369]
本稿では,対話行動トークンと呼ばれる言語モデルエージェントを用いて,目標指向の対話を計画する手法を提案する。中心となる考え方は、各発話をアクションとして扱うことで、強化学習のような既存のアプローチを適用することができるゲームに対話を変換することである。
論文参考訳（メタデータ） (2024-06-17T18:01:32Z)
Planning Like Human: A Dual-process Framework for Dialogue Planning [31.995557540062553]
大規模言語モデル(LLM)における対話計画を強化するための2段階対話計画フレームワークを提案する。心理学における二重過程理論に触発されて、直感的(高速)と分析的(スロー)の2つの思考様式を具現化した枠組みを提案する。実験により,DPDPが高品質な対話と操作効率を両立し,既存手法よりも優れていることを確認した。
論文参考訳（メタデータ） (2024-06-08T06:52:47Z)
Target-constrained Bidirectional Planning for Generation of Target-oriented Proactive Dialogue [11.338393954848632]
ターゲット指向対話生成のための効果的な対話計画に着目する。認知科学における意思決定理論に着想を得て,新たな目標制約型双方向計画手法を提案する。我々のアルゴリズムは、様々なベースラインモデルよりも大幅に優れている。
論文参考訳（メタデータ） (2024-03-10T02:14:24Z)
EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form Narrative Text Generation [114.50719922069261]
長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。 EIPEテキストには、計画抽出、学習、推論の3段階がある。小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
論文参考訳（メタデータ） (2023-10-12T10:21:37Z)
CoPAL: Corrective Planning of Robot Actions with Large Language Models [8.209152055117283]
本稿では,認知レベル間のシームレスな相互作用を編成し,推論,計画,動作生成を包含するシステムアーキテクチャを提案する。中心となるのは、生成した計画における物理的に基底的、論理的、セマンティックなエラーを処理する、新しいリプラン戦略である。
論文参考訳（メタデータ） (2023-10-11T07:39:42Z)
Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-06-06T19:17:47Z)
PlaSma: Making Small Language Models Better Procedural Knowledge Models for (Counterfactual) Planning [72.0564921186518]
PlaSmaは、手続き的な知識と(非現実的な)計画能力を持つ小さな言語モデルを実現するための、新しい2段階のアプローチである。より具体的には、小言語モデルにおける暗黙的知識を高めるために、記号的手続き的知識蒸留を開発する。さらに, 対実的状況に対応するための計画の見直しを必要とする, 対実的計画という新たな課題を導入する。
論文参考訳（メタデータ） (2023-05-31T00:55:40Z)
Dialogue Planning via Brownian Bridge Stochastic Process for Goal-directed Proactive Dialogue [9.99763097964222]
ゴール指向対話システムは,マルチターン会話を通じて事前決定された目標に積極的に到達することを目的としている。このタスクを達成するための鍵は、ターゲットに向かってスムーズかつ一貫性のある会話を誘導する対話パスを計画することにある。本稿では,対話経路の時間的ダイナミクスをモデル化するプロセスを用いた対話計画手法を提案する。
論文参考訳（メタデータ） (2023-05-09T09:28:23Z)
Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
論文参考訳（メタデータ） (2023-05-06T23:11:25Z)
An Explainable Collaborative Dialogue System using a Theory of Mind [5.13422222472898]
Evaは、ニューロシンボリックドメインに依存しない多モード協調対話システムである。タスク指向対話の目的は、ユーザを支援することである。意図や計画を推測し、成功への障害を検出し、それらを乗り越えるか、より高い目標を達成する計画を見つけ、ユーザーがそれらの目標を達成するのを助けるために、スピーチ行為を含むその行動を計画する。
論文参考訳（メタデータ） (2023-02-19T18:29:54Z)

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。