論文の概要: Language for Description of Worlds
- arxiv url: http://arxiv.org/abs/2010.16243v4
- Date: Fri, 8 Jul 2022 20:55:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 12:07:46.780353
- Title: Language for Description of Worlds
- Title（参考訳）: 世界の記述のための言語
- Authors: Dimiter Dobrev
- Abstract要約: 我々は、世界を説明するための適切な言語を見つけるタスクにAIを作成するタスクを還元する。
これは、プログラム言語が計算可能な関数のみを記述するのに対して、我々の言語はより広範な関数のクラスを記述するため、プログラム言語ではない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We will reduce the task of creating AI to the task of finding an appropriate
language for description of the world. This will not be a programing language
because programing languages describe only computable functions, while our
language will describe a somewhat broader class of functions. Another
specificity of this language will be that the description will consist of
separate modules. This will enable us look for the description of the world
automatically such that we discover it module after module. Our approach to the
creation of this new language will be to start with a particular world and
write the description of that particular world. The point is that the language
which can describe this particular world will be appropriate for describing any
world.
- Abstract（参考訳）: 我々は、世界を説明するための適切な言語を見つけるタスクにAIを作成するタスクを還元する。
これは、プログラム言語が計算可能な関数のみを記述するのに対して、我々の言語はより広範な関数のクラスを記述するからである。
この言語のもうひとつの特異性は、記述が別々のモジュールで構成されることである。
これにより、モジュールの後にモジュールが見つかるように、世界の記述を自動的に見つけることができます。
この新しい言語を作るための我々のアプローチは、ある特定の世界から始めて、その特定の世界の記述を書くことです。
この特定の世界を記述できる言語は、あらゆる世界を記述するのに適切である。
関連論文リスト
- Conditionally Combining Robot Skills using Large Language Models [21.41468872596801]
シミュレーションロボット環境での大規模言語モデルの動作を可能にするMeta-Worldベンチマークの拡張を提案する。
Meta-Worldと同じタスクセットを使用することで、Language-Worldの結果とMeta-Worldの結果とを簡単に比較することができます。
第2に、我々はPlan Conditioned Behavioral Cloning (PCBC)と呼ばれる手法を導入し、エンド・ツー・エンドのデモを用いて高レベルのプランの動作を微調整する。
論文 参考訳（メタデータ） (2023-10-25T21:46:34Z) - Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。
我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。
Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
論文 参考訳（メタデータ） (2023-09-19T17:54:21Z) - Learning to Model the World with Language [100.76069091703505]
人間と対話し、世界で行動するためには、エージェントは人々が使用する言語の範囲を理解し、それを視覚の世界に関連付ける必要がある。
私たちのキーとなるアイデアは、エージェントが将来を予測するのに役立つ信号として、このような多様な言語を解釈すべきである、ということです。
我々は、将来のテキストや画像表現を予測するマルチモーダル世界モデルを学ぶエージェントであるDynalangでこれをインスタンス化する。
論文 参考訳（メタデータ） (2023-07-31T17:57:49Z) - Inner Monologue: Embodied Reasoning through Planning with Language
Models [81.07216635735571]
大規模言語モデル(LLM)は自然言語処理以外の領域に適用できる。
具体化された環境でのLLMの計画には、何をすべきかだけでなく、どのように、いつ行うべきかを考える必要がある。
環境フィードバックを活用することで、LLMはロボット制御シナリオにおいてよりリッチな処理と計画を行うことができる内部モノローグを形成することができる。
論文 参考訳（メタデータ） (2022-07-12T15:20:48Z) - Identifying concept libraries from language about object structure [56.83719358616503]
自然言語記述を2Kプロシージャ生成オブジェクトの多種多様なセットに利用して,ユーザが使用する部分を特定する。
我々は、異なる部分概念を含むプログラムライブラリの空間の探索として、この問題を形式化する。
自然言語と構造化されたプログラム表現を組み合わせることで、人々が名前をつける部分概念を規定する基本的な情報理論的なトレードオフを発見する。
論文 参考訳（メタデータ） (2022-05-11T17:49:25Z) - AUTOLEX: An Automatic Framework for Linguistic Exploration [93.89709486642666]
本稿では言語学者による言語現象の簡潔な記述の発見と抽出を容易にするための自動フレームワークを提案する。
具体的には、この枠組みを用いて、形態的一致、ケースマーキング、単語順序の3つの現象について記述を抽出する。
本研究では,言語専門家の助けを借りて記述を評価し,人間の評価が不可能な場合に自動評価を行う手法を提案する。
論文 参考訳（メタデータ） (2022-03-25T20:37:30Z) - Towards Zero-shot Language Modeling [90.80124496312274]
人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。
類型的に多様な訓練言語のサンプルからこの分布を推測する。
我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
論文 参考訳（メタデータ） (2021-08-06T23:49:18Z) - Language-Conditioned Goal Generation: a New Approach to Language
Grounding for RL [23.327749767424567]
現実の世界では、言語エージェントも具体的エージェントであり、それらは物理的な世界で知覚され、作用する。
本稿では,ゴールジェネレータの条件付けに言語を用いることを提案する。目標条件を考慮すれば,エージェントに対して言語に依存しない目標を生成するために,言語条件付きゴールジェネレータを訓練することができる。
論文 参考訳（メタデータ） (2020-06-12T09:54:38Z)
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。