Fugu-MT 論文翻訳(概要): Explanation as Question Answering based on Design Knowledge

論文の概要: Explanation as Question Answering based on Design Knowledge

arxiv url: http://arxiv.org/abs/2112.09616v1
Date: Thu, 16 Dec 2021 06:07:19 GMT
ステータス: 処理完了
システム内更新日: 2021-12-20 15:53:35.050724
Title: Explanation as Question Answering based on Design Knowledge
Title（参考訳）: 設計知識に基づく質問回答としての説明
Authors: Ashok Goel, Vrinda Nandan, Eric Gregori, Sungeun An and Spencer Rugaber
Abstract要約: 本稿では,対話型学習環境(VERA)にユーザガイドを利用する質問応答エージェント(AskJill)について述べる。 VERAにおけるAskJillの予備的評価について報告する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Explanation of an AI agent requires knowledge of its design and operation. An open question is how to identify, access and use this design knowledge for generating explanations. Many AI agents used in practice, such as intelligent tutoring systems fielded in educational contexts, typically come with a User Guide that explains what the agent does, how it works and how to use the agent. However, few humans actually read the User Guide in detail. Instead, most users seek answers to their questions on demand. In this paper, we describe a question answering agent (AskJill) that uses the User Guide for an interactive learning environment (VERA) to automatically answer questions and thereby explains the domain, functioning, and operation of VERA. We present a preliminary assessment of AskJill in VERA.
Abstract（参考訳）: AIエージェントの説明には、その設計と運用に関する知識が必要である。オープンな疑問は、この設計知識をどのように識別し、アクセスし、利用して説明を生成するかである。教育的文脈を専門とするインテリジェントな学習システムのような、実際に使われている多くのaiエージェントは、通常、エージェントが何をするか、どのように機能するか、エージェントの使い方を説明するユーザーガイドが付いている。しかし、ユーザーガイドを詳細に読んだ人間はほとんどいない。代わりに、ほとんどのユーザーは要求に応じて質問に答える。本稿では,対話型学習環境(VERA)におけるユーザガイドを用いた質問応答エージェント(AskJill)について述べる。 VERAにおけるAskJillの予備評価を行った。

関連論文リスト

Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文参考訳（メタデータ） (2023-12-22T17:57:57Z)
Evaluating the Utility of Model Explanations for Model Development [54.23538543168767]
機械学習モデル構築の実践シナリオにおいて、説明が人間の意思決定を改善するかどうかを評価する。驚いたことに、サリエンシマップが提供されたとき、タスクが大幅に改善されたという証拠は見つからなかった。以上の結果から,サリエンシに基づく説明における誤解の可能性と有用性について注意が必要であることが示唆された。
論文参考訳（メタデータ） (2023-12-10T23:13:23Z)
Conceptualizing the Relationship between AI Explanations and User Agency [0.9051087836811617]
我々は,ケーススタディと思考実験を通して,ユーザ中心のレンズを通してエージェントと説明の関係を分析する。提案手法は,利用者が将来的なインタラクションにおいて,より効果的な結果の変換を行えるようにすることで,エージェンシーのためのいくつかの第1ステップの1つとなることが判明した。
論文参考訳（メタデータ） (2023-12-05T23:56:05Z)
GANterfactual-RL: Understanding Reinforcement Learning Agents' Strategies through Visual Counterfactual Explanations [0.7874708385247353]
本稿では,RLエージェントの反実的説明を生成する手法を提案する。本手法は完全にモデルに依存しないので,いくつかの計算量において,従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-02-24T15:29:43Z)
Read and Reap the Rewards: Learning to Play Atari with the Help of Instruction Manuals [69.76245723797368]
Read and Rewardは、Atariゲーム開発者がリリースしたマニュアルを読むことで、Atariゲーム上のRLアルゴリズムを高速化する。各種RLアルゴリズムは,設計支援による性能向上とトレーニング速度の向上を実現している。
論文参考訳（メタデータ） (2023-02-09T05:47:03Z)
ASQ-IT: Interactive Explanations for Reinforcement-Learning Agents [7.9603223299524535]
本稿では,ユーザが興味のある行動の時間的特性を記述したクエリに基づいて,その環境に作用するエージェントのビデオクリップを提示する対話型ツールASQ-ITを提案する。提案手法は,ASQ-ITのユーザインタフェースのクエリを有限トレース(LTLf)上の線形時間論理の断片にマッピングする形式的手法に基づいており,クエリ処理のアルゴリズムはオートマチック理論に基づいている。
論文参考訳（メタデータ） (2023-01-24T11:57:37Z)
From Black Boxes to Conversations: Incorporating XAI in a Conversational Agent [2.899704155417792]
社会科学の研究は、説明は人間と人間の説明と同様、会話的であるべきだと述べている。エージェントの標準設計を用いて,XAIを対話エージェントに組み込む方法を示す。我々は、品質管理されたパラフレーズによって拡張されたXAI質問銀行を構築し、ユーザの情報ニーズを理解する。
論文参考訳（メタデータ） (2022-09-06T15:01:06Z)
Explanation as Question Answering based on a Task Model of the Agent's Design [1.03905835096574]
我々は、人間中心とデザインに基づくAIエージェントにおける説明の生成に対するスタンスを説明する。エージェントのタスクと目標を明確に定義するタスクメソッド-知識モデルを通じてエージェントのフォーカスをキャプチャする。 SkillsyncというAIエージェントは、企業や大学を労働者のリスキルに結びつけるものだ。
論文参考訳（メタデータ） (2022-06-08T08:52:47Z)
Asking for Knowledge: Training RL Agents to Query External Knowledge Using Language [121.56329458876655]
グリッドワールドベースのQ-BabyAIとテキストベースのQ-TextWorldの2つの新しい環境を紹介した。本稿では,意味のある知識を問うための言語コマンドを生成する「知識の探索(AFK)」エージェントを提案する。
論文参考訳（メタデータ） (2022-05-12T14:20:31Z)
Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2020-10-29T18:28:16Z)
RMM: A Recursive Mental Model for Dialog Navigation [102.42641990401735]
言語誘導ロボットは、人間の質問と答えの理解の両方を行なわなければならない。心の理論から着想を得た再帰的メンタルモデル(RMM)を提案する。我々は、RMMが新しい環境へのより良い一般化を可能にすることを実証する。
論文参考訳（メタデータ） (2020-05-02T06:57:14Z)

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。