Fugu-MT 論文翻訳(概要): High Quality Real-Time Structured Debate Generation

論文の概要: High Quality Real-Time Structured Debate Generation

arxiv url: http://arxiv.org/abs/2012.00209v1
Date: Tue, 1 Dec 2020 01:39:38 GMT
ステータス: 処理完了
システム内更新日: 2021-06-01 08:20:46.135546
Title: High Quality Real-Time Structured Debate Generation
Title（参考訳）: 高品質リアルタイム構造化議論生成
Authors: Eric Bolton, Alex Calderwood, Niles Christensen, Jerome Kafrouni, Iddo Drori
Abstract要約: ハイレベルな構造と文法を図りながら議論を起こすための議論木と経路を定義した。各議論に関連付けられたメタデータを持つ木構造論争の大規模なコーパスを活用する。以上の結果から,人間に近い品質で複雑なトピックをリアルタイムに議論する能力を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatically generating debates is a challenging task that requires an understanding of arguments and how to negate or support them. In this work we define debate trees and paths for generating debates while enforcing a high level structure and grammar. We leverage a large corpus of tree-structured debates that have metadata associated with each argument. We develop a framework for generating plausible debates which is agnostic to the sentence embedding model. Our results demonstrate the ability to generate debates in real-time on complex topics at a quality that is close to humans, as evaluated by the style, content, and strategy metrics used for judging competitive human debates. In the spirit of reproducible research we make our data, models, and code publicly available.
Abstract（参考訳）: 議論を自動的に生成することは、議論の理解と、議論の無効化やサポートの方法を必要とする難しいタスクである。本研究では,ハイレベルな構造と文法を適用しつつ,議論を起こすための木と経路を定義する。各議論に関連付けられたメタデータを持つ木構造論争の大規模なコーパスを活用する。文埋め込みモデルと無関係な議論を生成できるフレームワークを開発した。この結果から,人間に近い品質の複雑なトピックをリアルタイムに議論する能力が,競争力のある人間の議論を判断するために使用されるスタイル,内容,戦略指標によって評価された。再現可能な研究の精神では、データ、モデル、コードを公開しています。

関連論文リスト

Training Language Models to Win Debates with Self-Play Improves Judge Accuracy [8.13173791334223]
本稿では,学習モデルによるスケーラブルな監視手法としての議論の堅牢性を試行し,自己再生によって生成されたデータと議論する。言語モデルに基づく評価器は、モデルの判断が議論に勝つように最適化されたときに、より正確に質問に答える。
論文参考訳（メタデータ） (2024-09-25T05:28:33Z)
Debatrix: Multi-dimensional Debate Judge with Iterative Chronological Analysis Based on LLM [51.43102092480804]
Debatrixは、Large Language Models (LLMs)に基づく自動ディスカッションジャッジである。実世界の議論シナリオに合わせるため、私たちはPanelBenchベンチマークを導入し、システムの性能と実際の議論結果を比較した。以上の結果から,LSMを直接使用して議論評価を行ない,顕著な改善が見られた。
論文参考訳（メタデータ） (2024-03-12T18:19:47Z)
Argue with Me Tersely: Towards Sentence-Level Counter-Argument Generation [62.069374456021016]
本稿では,文レベル逆問題生成のためのArgTerselyベンチマークを提案する。また,Arg-LlaMAによる高品質な逆問題生成手法を提案する。
論文参考訳（メタデータ） (2023-12-21T06:51:34Z)
DebateKG: Automatic Policy Debate Case Creation with Semantic Knowledge Graphs [0.0]
本稿では,Argumentative Semantic Knowledge Graphs上で,制約付き最短経路トラバーサルを用いて効果的な議論ケースを構築することができることを示す。 53180の新しい例を導入することで、DebateSumを大幅に改善しました。政策論争の事例を生成する文脈において、どの知識グラフが優れているかを評価するためのユニークな方法を作成する。
論文参考訳（メタデータ） (2023-07-09T04:19:19Z)
QRelScore: Better Evaluating Generated Questions with Deeper Understanding of Context-aware Relevance [54.48031346496593]
我々は、$underlinetextbfRel$evance評価指標のコンテキスト対応評価指標である$textbfQRelScore$を提案する。 BERTやGPT2のような既製の言語モデルに基づいて、QRelScoreは単語レベルの階層マッチングと文レベルのプロンプトベースの生成の両方を採用している。既存の測定値と比較すると、QRelScoreは人間による判断と高い相関性を持ちながら、敵のサンプルに対してより堅牢であることを示す。
論文参考訳（メタデータ） (2022-04-29T07:39:53Z)
Automatic Debate Evaluation with Argumentation Semantics and Natural Language Argument Graph Networks [2.4861619769660637]
本稿では,議論的議論を自動的に評価する独自のハイブリッド手法を提案する。その目的のために、議論理論の概念とTransformerベースのアーキテクチャとニューラルグラフネットワークを組み合わせる。我々は、未探索の自然言語引数の自動解析の新たな事例に基づく有望な結果を得る。
論文参考訳（メタデータ） (2022-03-28T11:09:07Z)
DEBACER: a method for slicing moderated debates [55.705662163385966]
同じ主題を持つブロックに議論を分割することは理解に不可欠である。議論を適度に分割する新しいアルゴリズムDEBACERを提案する。
論文参考訳（メタデータ） (2021-12-10T10:39:07Z)
ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文参考訳（メタデータ） (2021-06-01T22:17:13Z)
DebateSum: A large-scale argument mining and summarization dataset [0.0]
DebateSumは187,386個の独特な証拠と、対応する議論と抽出的な要約で構成されている。 DebateSum上でいくつかの変換器要約モデルを用いて要約性能のベンチマークを行う。本稿では,全国言語討論会のメンバーによって広く活用されているデータセットの検索エンジンについて述べる。
論文参考訳（メタデータ） (2020-11-14T10:06:57Z)
Exploring the Role of Argument Structure in Online Debate Persuasion [39.74040217761505]
オンライン討論会における議論における議論の談話構造の役割について考察する。我々は、より優れた予測性能を達成する上で、引数構造が重要な役割を担っていることを発見した。
論文参考訳（メタデータ） (2020-10-07T17:34:50Z)
Aspect-Controlled Neural Argument Generation [65.91772010586605]
我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
論文参考訳（メタデータ） (2020-04-30T20:17:22Z)

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。