Fugu-MT 論文翻訳(概要): Representation Edit Distance as a Measure of Novelty

論文の概要: Representation Edit Distance as a Measure of Novelty

arxiv url: http://arxiv.org/abs/2111.02770v1
Date: Thu, 4 Nov 2021 11:52:09 GMT
ステータス: 処理完了
システム内更新日: 2021-11-05 20:01:09.563458
Title: Representation Edit Distance as a Measure of Novelty
Title（参考訳）: 新規性尺度としての表現編集距離
Authors: Joshua Alspector
Abstract要約: 有効表現の編集量は、新規性への適応の難しさの尺度である。 REDは、プレノベルティとポストノベルティのスキルプログラムを比較して測定したビット列における情報内容の変化を直感的に近似する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Adaptation to novelty is viewed as learning to change and augment existing skills to confront unfamiliar situations. In this paper, we propose that the amount of editing of an effective representation (the Representation Edit Distance or RED) used in a set of skill programs in an agent's mental model is a measure of difficulty for adaptation to novelty. The RED is an intuitive approximation to the change in information content in bit strings measured by comparing pre-novelty and post-novelty skill programs. We also present some notional examples of how to use RED for predicting difficulty.
Abstract（参考訳）: ノベルティへの適応は、不慣れな状況に直面する既存のスキルを変えて強化する学習と見なされる。本稿では,エージェントのメンタルモデルにおけるスキルプログラムのセットで使用される効果的な表現(表現編集距離または赤)の編集量は,新規性への適応が困難であることを示す。赤は、前ノベルティと後ノベルティのスキルプログラムを比較したビット文字列の情報内容の変化に対する直感的な近似である。また、難易度を予測するためにREDを使う際の表記例をいくつか提示する。

関連論文リスト

Adversarial Representation Engineering: A General Model Editing Framework for Large Language Models [7.41744853269583]
本稿では,概念モデル編集のための統一的で解釈可能なアプローチを提供するために,ARE(Adversarial Representation Engineering)フレームワークを提案する。複数のタスクの実験は、様々なモデル編集シナリオにおけるAREの有効性を示す。
論文参考訳（メタデータ） (2024-04-21T19:24:15Z)
Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models [88.47454470043552]
我々は、動的評価(動的評価)としても知られる、テスト時の言語モデルのパラメータをオンラインで微調整する問題を考察する。オンライン適応はパラメータを時間的に変化する状態に変換し、メモリを重み付けしたコンテキスト長拡張の形式を提供する。
論文参考訳（メタデータ） (2024-03-03T14:03:48Z)
NeuroCounterfactuals: Beyond Minimal-Edit Counterfactuals for Richer Data Augmentation [55.17069935305069]
本稿では,緩やかな反ファクトとして設計されたNeuroCounterfactualsを紹介する。我々の新しい生成的アプローチは、言語モデル適応による感情制御による制約付き復号化の利点を橋渡しする。
論文参考訳（メタデータ） (2022-10-22T06:29:21Z)
Visual Comparison of Language Model Adaptation [55.92129223662381]
アダプタは、モデル適応のための軽量な代替品です。本稿では,インタラクティブな視覚的説明手法について,いくつかの設計と代替案について論じる。例えば、文脈0の埋め込みに従って言語脱バイアスタスクを訓練したアダプタが、新しいタイプのバイアスをもたらすことを示す。
論文参考訳（メタデータ） (2022-08-17T09:25:28Z)
Towards Counterfactual Image Manipulation via CLIP [106.94502632502194]
既存の方法は、顔画像の年齢や性別など、さまざまな視覚特性をリアルに編集することができる。コントラスト・ランゲージ・イメージ・プレトレーニング(CLIP)を用いたテキスト駆動方式でこの問題を考察する。定義済みのCLIP空間の方向を利用して、異なる視点から所望の方向に向けて編集を誘導する新しいコントラスト損失を設計する。
論文参考訳（メタデータ） (2022-07-06T17:02:25Z)
SimAN: Exploring Self-Supervised Representation Learning of Scene Text via Similarity-Aware Normalization [66.35116147275568]
自己指導型表現学習は、現場テキスト認識コミュニティからかなりの注目を集めている。表現学習スキームを生成的手法で定式化することで,この問題に対処する。そこで我々は,異なるパターンを識別し,対応するスタイルを誘導パッチから整列するSimANモジュールを提案する。
論文参考訳（メタデータ） (2022-03-20T08:43:10Z)
Exploring Complementary Strengths of Invariant and Equivariant Representations for Few-Shot Learning [96.75889543560497]
多くの現実世界では、多数のラベル付きサンプルの収集は不可能です。少ないショット学習はこの問題に対処するための主要なアプローチであり、目的は限られた数のサンプルの存在下で新しいカテゴリに迅速に適応することです。幾何学的変換の一般集合に対する等分散と不変性を同時に強制する新しい訓練機構を提案する。
論文参考訳（メタデータ） (2021-03-01T21:14:33Z)
Finding It at Another Side: A Viewpoint-Adapted Matching Encoder for Change Captioning [41.044241265804125]
本稿では,変化字幕タスクにおける意味的変化と視点的変化を明確に区別する新しいビジュアルエンコーダを提案する。また,言語評価報酬を直接微調整する新たな強化学習手法を提案する。提案手法は,Spot-the-DiffデータセットとCLEVR-Changeデータセットの両方において,最先端のアプローチよりも大きなマージンで優れている。
論文参考訳（メタデータ） (2020-09-30T00:13:49Z)
Variational Inference for Learning Representations of Natural Language Edits [24.775371434410328]
本稿では,ベクトル表現の連続潜在空間を学習するために,変分推論を用いた新しい手法を提案する。また、自然言語処理の文脈において、編集表現の質を測定するために特別に設計された下流タスクPEERを提案する。
論文参考訳（メタデータ） (2020-04-20T09:08:59Z)

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。