論文の概要: Reference-Centric Models for Grounded Collaborative Dialogue
- arxiv url: http://arxiv.org/abs/2109.05042v1
- Date: Fri, 10 Sep 2021 18:03:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-14 15:52:50.466556
- Title: Reference-Centric Models for Grounded Collaborative Dialogue
- Title（参考訳）: 接地協調対話のための参照中心モデル
- Authors: Daniel Fried and Justin T. Chiu and Dan Klein
- Abstract要約: 本稿では,部分的に観察可能な参照ゲームにおいて,人とのコラボレーションを成功させるニューラルネットワークモデルを提案する。
2人のエージェントがそれぞれ、世界のコンテキストの重なり合う部分を観察し、共有するオブジェクトを識別し、同意する必要がある設定に集中する。
対話エージェントは、構造化された参照レゾルバを用いて相手の発話から、リカレントメモリを用いてこれらのレゾルバの条件を正確に把握し、実用的な生成手順を用いて、相手が生成した参照を確実に解決できるようにする。
- 参考スコア（独自算出の注目度）: 42.48421111626639
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a grounded neural dialogue model that successfully collaborates
with people in a partially-observable reference game. We focus on a setting
where two agents each observe an overlapping part of a world context and need
to identify and agree on some object they share. Therefore, the agents should
pool their information and communicate pragmatically to solve the task. Our
dialogue agent accurately grounds referents from the partner's utterances using
a structured reference resolver, conditions on these referents using a
recurrent memory, and uses a pragmatic generation procedure to ensure the
partner can resolve the references the agent produces. We evaluate on the
OneCommon spatial grounding dialogue task (Udagawa and Aizawa 2019), involving
a number of dots arranged on a board with continuously varying positions,
sizes, and shades. Our agent substantially outperforms the previous state of
the art for the task, obtaining a 20% relative improvement in successful task
completion in self-play evaluations and a 50% relative improvement in success
in human evaluations.
- Abstract（参考訳）: 本稿では, 部分的に観察可能な参照ゲームにおいて, 人とのコラボレーションを成功させる, 接地型ニューラル対話モデルを提案する。
2人のエージェントがそれぞれ、世界のコンテキストの重なり合う部分を観察し、共有するオブジェクトを識別し、同意する必要がある設定に集中する。
したがって、エージェントはその情報をプールし、そのタスクを解決するために実践的にコミュニケーションすべきである。
対話エージェントは、構造化された参照レゾルバを用いて相手の発話から、リカレントメモリを用いた参照の条件を正確に把握し、パートナーが生成した参照を確実に解決するための実用的な生成手順を使用する。
本研究は,OneCommon空間接地対話タスク(宇田川,愛沢2019)において,連続的な位置,大きさ,色合いの異なる板上に配置された多数の点について評価する。
我々のエージェントは、タスクの以前の状態よりも大幅に優れており、セルフプレイ評価におけるタスク完了における20%の相対的な改善と、人間の評価における成功に対する50%の相対的な改善が得られる。
関連論文リスト
- Grounding Language in Multi-Perspective Referential Communication [16.421832484760987]
マルチエージェント環境における表現生成と理解のためのタスクとデータセットを提案する。
我々は2,970人の人間が書いた参照表現のデータセットを収集し、それぞれが人間の理解的判断と組み合わせる。
自動モデルの性能を人間のパートナーとペアリングした話者とリスナーとして評価し,人間のエージェントのペアよりも遅れた参照生成と理解の遅延の両方におけるモデル性能を確認した。
論文 参考訳（メタデータ） (2024-10-04T22:42:30Z) - Common Ground Tracking in Multimodal Dialogue [13.763043173931024]
本研究では,共有目標を持つグループの「議論」の下での,現在の共有信念と質問の集合を自動的に識別する手法を提案する。
我々は、音声の書き起こし、韻律的特徴、ジェスチャー、行動、コラボレーションの顔を含む、共有物理空間におけるマルチモーダル相互作用のデータセットを注釈付けする。
我々は、位置する証拠と信念の公理から導かれる正式なクロージャルールのセットにカスケードし、操作を更新します。
論文 参考訳（メタデータ） (2024-03-26T00:25:01Z) - Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems [29.394466123216258]
本研究は,対話エージェントの主要な特徴,対応するオープンドメインデータセット,およびこれらのデータセットをベンチマークする手法について概説する。
我々は,既存のデータセットの会話から構築された統一dIalogue dataseTであるUNITを提案する。
論文 参考訳（メタデータ） (2023-07-14T10:05:47Z) - Don't Copy the Teacher: Data and Model Challenges in Embodied Dialogue [92.01165203498299]
後続の身体的対話命令は、自然言語交換から複雑なタスクのシーケンスを完了させるエージェントを必要とする。
本稿では,模倣学習(IL)と関連する低レベルメトリクスが,実際には誤解を招くものであり,具体的対話研究の目標と一致していないことを論じる。
論文 参考訳（メタデータ） (2022-10-10T05:51:40Z) - DialogZoo: Large-Scale Dialog-Oriented Task Learning [52.18193690394549]
我々は,多種多様な対話課題を解くための統合基盤モデルの構築を目指している。
この目的を達成するために、73の公開データセットから、まず大規模なラベル付き対話データセットを収集する。
論文 参考訳（メタデータ） (2022-05-25T11:17:16Z) - Opponent Modeling in Negotiation Dialogues by Related Data Adaptation [20.505272677769355]
本稿では交渉対話から優先順位を識別するためのランク付け手法を提案する。
モデルは部分対話を入力として受け取り、相手の優先順位を予測する。
本稿では,2つの対話データセットに基づく広範囲な実験を通じて提案手法の有用性を示す。
論文 参考訳（メタデータ） (2022-04-30T21:11:41Z) - Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset [17.403065663306567]
我々は、ペルソナ条件の対話エージェントを改善するために、データ中心のアプローチを導入する。
具体的には,2つのタスクの原始的双対構造を活用することで,対話データセット/エージェントを改善するための関連するペルソナを強化する。
Persona-Chat の実験により,本手法は訓練済みの LM よりも精度が 11.7 ポイント向上していることが示された。
論文 参考訳（メタデータ） (2022-02-11T04:08:46Z) - Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。
我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
論文 参考訳（メタデータ） (2020-10-26T21:34:39Z) - Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。
コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。
DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-06-17T21:02:40Z) - Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。
提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。
本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
論文 参考訳（メタデータ） (2020-04-29T11:02:25Z)
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。