Fugu-MT 論文翻訳(概要): The slurk Interaction Server Framework: Better Data for Better Dialog Models

論文の概要: The slurk Interaction Server Framework: Better Data for Better Dialog Models

arxiv url: http://arxiv.org/abs/2202.01155v1
Date: Wed, 2 Feb 2022 17:30:33 GMT
ステータス: 処理完了
システム内更新日: 2022-02-03 15:14:15.150189
Title: The slurk Interaction Server Framework: Better Data for Better Dialog Models
Title（参考訳）: slurk Interaction Server Framework: より良いダイアログモデルのためのより良いデータ
Authors: Jana G\"otze, Maike Paetzel-Pr\"usmann, Wencke Liermann, Tim Diekmann, David Schlangen
Abstract要約: Slurkは、ダイアログデータ収集と実験を実行するための軽量なインタラクションサーバである。このソフトウェアは、個々のニーズに容易に適応できるHTMLとJSでPythonで実装されている。
参考スコア（独自算出の注目度）: 11.882059985739897
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the slurk software, a lightweight interaction server for setting up dialog data collections and running experiments. Slurk enables a multitude of settings including text-based, speech and video interaction between two or more humans or humans and bots, and a multimodal display area for presenting shared or private interactive context. The software is implemented in Python with an HTML and JS frontend that can easily be adapted to individual needs. It also provides a setup for pairing participants on common crowdworking platforms such as Amazon Mechanical Turk and some example bot scripts for common interaction scenarios.
Abstract（参考訳）: 本稿では,ダイアログデータの収集と実験を行うための軽量インタラクションサーバであるslurk softwareを提案する。 Slurkは、2人以上の人間とボット間のテキストベース、音声とビデオのインタラクション、共有またはプライベートな対話コンテキストを表示するマルチモーダル表示エリアなど、さまざまな設定を可能にする。このソフトウェアはpythonでhtmlとjsのフロントエンドを使って実装されており、個々のニーズに容易に適応できる。 amazon mechanical turkや、一般的なインタラクションシナリオ用のボットスクリプトなど、一般的なクラウドワークプラットフォーム上で参加者をペアリングするためのセットアップも提供する。

関連論文リスト

SAUCE: Synchronous and Asynchronous User-Customizable Environment for Multi-Agent LLM Interaction [12.948174983519785]
グループシミュレーションのためのカスタマイズ可能なPythonプラットフォームであるSAUCEを紹介する。我々のプラットフォームは、モデルをインスタンス化し、レスポンスをスケジューリングし、議論履歴を管理し、包括的なアウトプットログを生成する。 SAUCEの新機能は非同期通信機能です。
論文参考訳（メタデータ） (2024-11-05T18:31:06Z)
Let's Go Real Talk: Spoken Dialogue Model for Face-to-Face Conversation [55.043492250775294]
本稿では,新しい対面音声対話モデルを提案する。ユーザ入力から音声視覚音声を処理し、応答として音声視覚音声を生成する。また,最初の大規模マルチモーダル音声対話コーパスであるMultiDialogを紹介する。
論文参考訳（メタデータ） (2024-06-12T04:48:36Z)
Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
論文参考訳（メタデータ） (2023-09-18T11:03:55Z)
Sparkles: Unlocking Chats Across Multiple Images for Multimodal Instruction-Following Models [60.81438804824749]
マルチモーダル命令追従モデルは、テキストと画像を統合することで機能を拡張する。 MiniGPT-4やLLaVAのような既存のモデルは、複数の画像を含むシナリオにおける対話コヒーレンスを維持する上で課題に直面している。本稿では,単語レベルのインターリーブ・マルチイメージとテキストインタラクションに適した,最初の機械生成対話データセットであるSparklesDialogueを紹介する。次に、複数の画像にまたがるオープンエンド対話のためのマルチモーダル命令追従モデルSparklesChatを紹介する。
論文参考訳（メタデータ） (2023-08-31T05:15:27Z)
Dialog2API: Task-Oriented Dialogue with API Description and Example Programs [57.336201096903466]
タスク指向対話のための新しいパラダイム、Dialog2APIを導入し、機能を大幅に拡張し、シームレスな対話体験を提供する。また、対話ポリシーを管理し、適切な自然言語応答を生成することでユーザと対話する。 Dialog2APIは、ソフトウェア自動化やカスタマーサービスなど、多くのアプリケーションシナリオで動作する。
論文参考訳（メタデータ） (2022-12-20T01:52:46Z)
BotsTalk: Machine-sourced Framework for Automatic Curation of Large-scale Multi-skill Dialogue Datasets [16.6583831098204]
そこで,Blended Skill BotsTalk (BSBT)について述べる。我々のデータセットは、スキルブレンディングとスキルグラウンドニングの理解を必要とするマルチスキル対話システムに有効であることを示す。
論文参考訳（メタデータ） (2022-10-23T10:19:42Z)
Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文参考訳（メタデータ） (2021-03-17T09:42:11Z)
A Framework for Integrating Gesture Generation Models into Interactive Conversational Agents [0.0]
Embodied conversational agent (ECA) は、自然かつ効率的なユーザとの対話において、非言語行動の恩恵を受ける。近年のジェスチャー生成手法は,ユーザとのリアルタイムインタラクションでは評価されていない。本稿では,現代のジェスチャ生成モデルの評価を容易にするための概念実証フレームワークを提案する。
論文参考訳（メタデータ） (2021-02-24T14:31:21Z)
Pchatbot: A Large-Scale Dataset for Personalized Chatbot [49.16746174238548]
本稿では,Weibo と Judicial のフォーラムから収集した2つのサブセットを含む大規模対話データセットである Pchatbot を紹介する。生データセットを対話システムに適応させるため、匿名化などのプロセスを通じて生データセットを精巧に正規化する。 Pchatbotのスケールは、既存の中国のデータセットよりも大幅に大きく、データ駆動モデルの恩恵を受ける可能性がある。
論文参考訳（メタデータ） (2020-09-28T12:49:07Z)

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。