論文の概要: Project Debater APIs: Decomposing the AI Grand Challenge
- arxiv url: http://arxiv.org/abs/2110.01029v1
- Date: Sun, 3 Oct 2021 15:50:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:39:22.668729
- Title: Project Debater APIs: Decomposing the AI Grand Challenge
- Title（参考訳）: Project Debater API: AIグランドチャレンジの分解
- Authors: Roy Bar-Haim, Yoav Kantor, Elad Venezian, Yoav Katz, Noam Slonim
- Abstract要約: 2019年にProject Debaterは、複雑なトピックに関する人間のエキスパートを議論できる最初のAIシステムとして公開された。
本稿では,Project Debater APIとその性能について述べる。
キーポイント分析(Key Point Analysis)は、テキストの集合において主要なポイントとそれらの存在を識別する新しい技術である。
- 参考スコア（独自算出の注目度）: 10.687429399905215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Project Debater was revealed in 2019 as the first AI system that can debate
human experts on complex topics. Engaging in a live debate requires a diverse
set of skills, and Project Debater has been developed accordingly as a
collection of components, each designed to perform a specific subtask. Project
Debater APIs provide access to many of these capabilities, as well as to more
recently developed ones. This diverse set of web services, publicly available
for academic use, includes core NLP services, argument mining and analysis
capabilities, and higher-level services for content summarization. We describe
these APIs and their performance, and demonstrate how they can be used for
building practical solutions. In particular, we will focus on Key Point
Analysis, a novel technology that identifies the main points and their
prevalence in a collection of texts such as survey responses and user reviews.
- Abstract（参考訳）: 2019年にProject Debaterは、複雑なトピックに関する人間のエキスパートを議論できる最初のAIシステムとして公開された。
ライブディスカッションに参加するには様々なスキルが必要だが、Project Debaterはコンポーネントのコレクションとして開発され、それぞれが特定のサブタスクを実行するように設計されている。
Project Debater APIはこれらの機能の多くと、最近開発されたものへのアクセスを提供する。
この多種多様なWebサービスは、学術的利用のために公開されており、コアNLPサービス、引数マイニングと分析機能、コンテンツ要約のための高レベルのサービスを含んでいる。
これらのAPIとそのパフォーマンスを説明し、実用的なソリューションの構築にどのように使用できるかを示す。
特に,調査回答やユーザレビューなどのテキストの集合において,主要なポイントとその頻度を識別する新しい技術であるキーポイント分析に注目する。
関連論文リスト
- A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - OntoChat: a Framework for Conversational Ontology Engineering using Language Models [0.3141085922386211]
textbfOntoChatは、要求の誘導、分析、テストをサポートする会話エンジニアリングのためのフレームワークである。
音楽メタオントロジーのエンジニアリングを再現し,ユーザから各コンポーネントの有効性に関する予備的な指標を収集することにより,OntoChatを評価する。
論文 参考訳（メタデータ） (2024-03-09T14:04:06Z) - Dynamic-SUPERB: Towards A Dynamic, Collaborative, and Comprehensive Instruction-Tuning Benchmark for Speech [107.81472531864195]
テキスト言語モデルは、よく整形された命令が与えられたときに、目に見えないタスクに一般化する際、顕著なゼロショット能力を示している。
ゼロショット方式で複数のタスクを実行するための命令チューニングを活用できるユニバーサル音声モデルを構築するためのベンチマークであるDynamic-SUPERBを提案する。
論文 参考訳（メタデータ） (2023-09-18T06:43:30Z) - GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training
Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。
Jupyter NotebookベースのウォークスルーがGitHubで公開されている。
GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文 参考訳（メタデータ） (2023-06-02T12:09:59Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - UKP-SQUARE: An Online Platform for Question Answering Research [50.35348764297317]
我々は、研究者向けのオンラインQAプラットフォームであるUKP-SQUAREを紹介した。
UKP-SQUAREでは、ユーザフレンドリーなWebインターフェースと統合テストを通じて、モダンスキルの大規模なコレクションをクエリし、分析することができる。
論文 参考訳（メタデータ） (2022-03-25T15:00:24Z) - Achieving Human Parity on Visual Question Answering [67.22500027651509]
The Visual Question Answering (VQA) task using both visual image and language analysis to answer a textual question to a image。
本稿では,人間がVQAで行ったのと同じような,あるいは少しでも良い結果が得られるAliceMind-MMUに関する最近の研究について述べる。
これは,(1)包括的視覚的・テキスト的特徴表現による事前学習,(2)参加する学習との効果的な相互モーダル相互作用,(3)複雑なVQAタスクのための専門的専門家モジュールを用いた新たな知識マイニングフレームワークを含む,VQAパイプラインを体系的に改善することで達成される。
論文 参考訳（メタデータ） (2021-11-17T04:25:11Z) - Building a Legal Dialogue System: Development Process, Challenges and
Opportunities [1.433758865948252]
本稿では,ドメイン固有の会話エージェントの設計において直面する課題に対する重要な原則と解決策について述べる。
ユーザクエリに応答し、連絡先の詳細やケース関連情報を含むユーザ情報を記録する機能を提供する。
論文 参考訳（メタデータ） (2021-09-01T13:35:42Z) - Core Challenges in Embodied Vision-Language Planning [9.190245973578698]
本稿では,エボディード・ビジョン・ランゲージ・プランニング(Embodied Vision-Language Planning)タスクについて論じる。
我々はこれらのタスクを統一する分類法を提案し、新しいアルゴリズムアプローチと現在のアルゴリズムアプローチの分析と比較を行う。
我々は,モデル一般化性を実現し,実世界の展開を促進するタスク構築を提唱する。
論文 参考訳（メタデータ） (2021-06-26T05:18:58Z) - Beyond Domain APIs: Task-oriented Conversational Modeling with
Unstructured Knowledge Access [18.37585134613816]
本稿では,外的非構造的知識源を取り入れたタスク指向対話システムの拡張を提案する。
我々は,知識探索ターン検出,知識選択,知識接地応答生成という3つのサブタスクを定義した。
我々はMultiWOZ 2.1の拡張版を紹介した。
論文 参考訳（メタデータ） (2020-06-05T16:12:18Z) - Building chatbots from large scale domain-specific knowledge bases:
challenges and opportunities [4.129225533930966]
本稿では,機器関連苦情の理解と対応を目的とした大規模仮想アシスタントの構築から学んだ課題と教訓について述べる。
提案するフレームワークは,市販の一般的なフレームワークと比較して,最大30%の精度で大規模にスケール可能であることを示す。
論文 参考訳（メタデータ） (2019-12-31T22:40:30Z)
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。