Fugu-MT 論文翻訳(概要): Report from the NSF Future Directions Workshop on Automatic Evaluation of Dialog: Research Directions and Challenges

論文の概要: Report from the NSF Future Directions Workshop on Automatic Evaluation of Dialog: Research Directions and Challenges

arxiv url: http://arxiv.org/abs/2203.10012v1
Date: Fri, 18 Mar 2022 15:21:11 GMT
ステータス: 処理完了
システム内更新日: 2022-03-21 14:57:08.502071
Title: Report from the NSF Future Directions Workshop on Automatic Evaluation of Dialog: Research Directions and Challenges
Title（参考訳）: NSF Future Directions Workshop on Automatic Evaluation of Dialog: Research Directions and Challenges 参加報告
Authors: Shikib Mehri, Jinho Choi, Luis Fernando D'Haro, Jan Deriu, Maxine Eskenazi, Milica Gasic, Kallirroi Georgila, Dilek Hakkani-Tur, Zekang Li, Verena Rieser, Samira Shaikh, David Traum, Yi-Ting Yeh, Zhou Yu, Yizhe Zhang, Chen Zhang
Abstract要約: このワークショップは、その限界と共に芸術の現状を探求し、この重要かつ非常に急速に変化する研究領域における将来の研究に向けた有望な方向性を提案した。
参考スコア（独自算出の注目度）: 87.2207978732317
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This is a report on the NSF Future Directions Workshop on Automatic Evaluation of Dialog. The workshop explored the current state of the art along with its limitations and suggested promising directions for future work in this important and very rapidly changing area of research.
Abstract（参考訳）: 本報告はNSF Future Directions Workshop on Automatic Evaluation of Dialogの報告である。このワークショップは、その限界と共に芸術の現状を探求し、この重要かつ非常に急速に変化する研究領域における将来の研究に向けた有望な方向性を提案した。

関連論文リスト

The Imperative of Conversation Analysis in the Era of LLMs: A Survey of Tasks, Techniques, and Trends [64.99423243200296]
会話分析(CA)は、会話データから重要な情報を発見し分析する。本稿では,CAタスクの徹底的なレビューとシステム化を行い,既存の業務を要約する。会話シーンの再構築,奥行きの属性分析,ターゲットトレーニングの実行,会話の生成から,CAの4つの重要なステップを導出した。
論文参考訳（メタデータ） (2024-09-21T16:52:43Z)
Target-Guided Open-Domain Conversation Planning [35.826722856941814]
本稿では,対話エージェントが目標指向の会話計画能力を持つかどうかを評価するために,目標誘導型オープンドメイン会話計画タスクを提案する。 TGCPタスクを用いて、既存の検索モデルと最近の強力な生成モデルの会話計画能力について検討する。
論文参考訳（メタデータ） (2022-09-20T14:22:33Z)
GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。 GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
論文参考訳（メタデータ） (2022-06-22T18:19:32Z)
Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
論文参考訳（メタデータ） (2021-11-03T10:08:05Z)
A Survey on Dialogue Summarization: Recent Advances and New Frontiers [19.07064815868915]
本稿では、利用可能な研究データセットの概要と、入力対話の領域に従って既存の作業を要約し、統一されたメトリクスの下でリーダーボードを編成する。対話要約の第1回調査は,コミュニティに迅速なアクセスと,この課題の全体像を提供し,今後の研究を動機付けることを願っている。
論文参考訳（メタデータ） (2021-07-07T12:11:14Z)
Deep Learning & Software Engineering: State of Research and Future Directions [37.45171549466233]
NSFが後援するコミュニティワークショップは、カリフォルニア州サンディエゴで開催された第34回IEEE/ACM International Conference on Automated Software Engineering (ASE'19)と共同で開催された。このワークショップの目的は、横断的な研究の優先度の高い領域を概説することであった。本報告では,ワークショップで論じられた最優先分野を概説する研究領域について概説する。
論文参考訳（メタデータ） (2020-09-17T20:46:08Z)
Ideas for Improving the Field of Machine Learning: Summarizing Discussion from the NeurIPS 2019 Retrospectives Workshop [21.392095675840782]
このレポートは、NeurIPS 2019のML Retrospectivesワークショップで議論された機械学習の分野を改善するためのアイデアを文書化している。報告書の目的は、これらのアイデアをより広く広めることであり、その結果、フィールドがこれらの軸に沿ってどのように改善されるかについての継続的な議論を促進することである。
論文参考訳（メタデータ） (2020-07-21T01:17:29Z)
A Survey on Dialog Management: Recent Advances and Challenges [72.52920723074638]
ダイアログ管理(DM)はタスク指向ダイアログシステムにおいて重要なコンポーネントである。 1)新しいシナリオにおけるダイアログシステムモデリングを容易にするためのモデルスケーラビリティの改善,(2)ダイアログポリシー学習におけるデータ不足問題への対処,(3)タスク補完性能を向上させるためのトレーニング効率の向上。
論文参考訳（メタデータ） (2020-05-05T14:31:24Z)
Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
課題指向対話システムは、学術・産業社会でますます注目を集めている。タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
論文参考訳（メタデータ） (2020-03-17T01:34:56Z)

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。