論文の概要: Read, Revise, Repeat: A System Demonstration for Human-in-the-loop
Iterative Text Revision
- arxiv url: http://arxiv.org/abs/2204.03685v1
- Date: Thu, 7 Apr 2022 18:33:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 12:43:24.035157
- Title: Read, Revise, Repeat: A System Demonstration for Human-in-the-loop
Iterative Text Revision
- Title（参考訳）: ヒューマン・イン・ザ・ループ・イテレーティブ・テキスト・リビジョンのためのシステムデモ
- Authors: Wanyu Du, Zae Myung Kim, Vipul Raheja, Dhruv Kumar, Dongyeop Kang
- Abstract要約: 本稿では,リピート・リバイス・リピート・リピート・リピート (R3) によるヒューマン・イン・ザ・ループ・イテレーティブ・テキスト・リフレクションシステムを提案する。
R3は、モデル生成のリビジョンとユーザからのフィードバックを読み、文書を改訂し、人間と機械の相互作用を繰り返すことで、人間の最小限の努力で高品質なテキストリビジョンを実現することを目的としている。
- 参考スコア（独自算出の注目度）: 11.495407637511878
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Revision is an essential part of the human writing process. It tends to be
strategic, adaptive, and, more importantly, iterative in nature. Despite the
success of large language models on text revision tasks, they are limited to
non-iterative, one-shot revisions. Examining and evaluating the capability of
large language models for making continuous revisions and collaborating with
human writers is a critical step towards building effective writing assistants.
In this work, we present a human-in-the-loop iterative text revision system,
Read, Revise, Repeat (R3), which aims at achieving high quality text revisions
with minimal human efforts by reading model-generated revisions and user
feedbacks, revising documents, and repeating human-machine interactions. In R3,
a text revision model provides text editing suggestions for human writers, who
can accept or reject the suggested edits. The accepted edits are then
incorporated into the model for the next iteration of document revision.
Writers can therefore revise documents iteratively by interacting with the
system and simply accepting/rejecting its suggested edits until the text
revision model stops making further revisions or reaches a predefined maximum
number of revisions. Empirical experiments show that R3 can generate revisions
with comparable acceptance rate to human writers at early revision depths, and
the human-machine interaction can get higher quality revisions with fewer
iterations and edits. The collected human-model interaction dataset and system
code are available at \url{https://github.com/vipulraheja/IteraTeR}. Our system
demonstration is available at \url{https://youtu.be/lK08tIpEoaE}.
- Abstract（参考訳）: 改訂は人間の執筆プロセスにおいて不可欠な部分である。
戦略的で適応的で、さらに重要なのは、本質的に反復的であることです。
テキストリビジョンタスクにおける大きな言語モデルの成功にもかかわらず、それらは非イテレーティブでワンショットのリビジョンに限定されている。
大規模な言語モデルによる継続的リビジョンの実施とヒューマンライターとのコラボレーションの能力の検証と評価は、効果的な筆記アシスタント構築への重要なステップである。
本稿では,モデル生成リビジョンとユーザフィードバックの読み取り,文書の改訂,ヒューマンマシンインタラクションの繰り返しによって,人間の努力を最小にし,高品質なテキストリビジョンを実現することを目的とした,r3(human-in-the-looply text revision system)を提案する。
r3では、テキストリビジョンモデルは、提案された編集を受け入れたり拒否したりできる人間の作家にテキスト編集提案を提供する。
承認された編集は、ドキュメント修正の次のイテレーションのためにモデルに組み込まれる。
したがって、著者は、システムと対話して文書を反復的に修正し、テキストリビジョンモデルがさらなるリビジョンを行うのをやめるか、予め定義された最大リビジョン数に達するまで、提案された編集を受け付け、削除するだけでよい。
実証実験により、R3は人間のライターに匹敵する受け入れ率のリビジョンを早期のリビジョン深度で生成でき、人間と機械の相互作用は、より少ないイテレーションと編集で高品質なリビジョンが得られることが示された。
収集されたヒューマンモデルインタラクションデータセットとシステムコードは、 \url{https://github.com/vipulraheja/iterater} で入手できる。
我々のシステムデモは \url{https://youtu.be/lk08tipeoae} で利用可能である。
関連論文リスト
- Re3: A Holistic Framework and Dataset for Modeling Collaborative Document Revision [62.12545440385489]
共同文書リビジョンを共同で分析するためのフレームワークであるRe3を紹介する。
本稿では,Re3-Sciについて紹介する。Re3-Sciは,その行動と意図に応じて手動でラベル付けされた科学的論文の大規模なコーパスである。
我々は,新しいデータを用いて,学術領域における共同文書改訂に関する実証的研究を行った。
論文 参考訳（メタデータ） (2024-05-31T21:19:09Z) - SCREWS: A Modular Framework for Reasoning with Revisions [58.698199183147935]
我々は、リビジョンを伴う推論のためのモジュラーフレームワークであるSCREWSを紹介する。
我々は、SCREWSが、共通のフレームワークの下で、いくつかの以前のアプローチを統合することを示す。
我々は,多種多様な推論タスクに基づいて,最先端のLCMを用いてフレームワークの評価を行った。
論文 参考訳（メタデータ） (2023-09-20T15:59:54Z) - To Revise or Not to Revise: Learning to Detect Improvable Claims for
Argumentative Writing Support [20.905660642919052]
特定の修正が必要な議論的クレームを特定するための主な課題について検討する。
本稿では,リビジョン距離に基づく新しいサンプリング戦略を提案する。
文脈情報とドメイン知識を用いることで、予測結果をさらに改善できることを示す。
論文 参考訳（メタデータ） (2023-05-26T10:19:54Z) - Pay Attention to Your Tone: Introducing a New Dataset for Polite
Language Rewrite [81.83910117028464]
textscPoliteRewrite -- 丁寧な言語書き直しのためのデータセット。
テンクの丁寧な文は、GPT-3.5と人間によって注釈付きで書き直される。
100K 質の高い丁寧な文を GPT-3.5 で書き直した。
論文 参考訳（メタデータ） (2022-12-20T12:02:34Z) - Improving Iterative Text Revision by Learning Where to Edit from Other
Revision Tasks [11.495407637511878]
反復的テキストリビジョンは文法的誤りの修正、読みやすさの向上や文脈的適切性の向上、文書全体の文構造の再編成によってテキスト品質を改善する。
近年の研究では、人間によるテキストからの反復的な修正プロセスにおいて、様々な種類の編集の理解と分類に焦点が当てられている。
我々は,編集可能なスパンを対応する編集意図で明示的に検出することにより,有用な編集を反復的に生成するエンド・ツー・エンドテキスト・リビジョン・システムの構築を目指している。
論文 参考訳（メタデータ） (2022-12-02T18:10:43Z) - EditEval: An Instruction-Based Benchmark for Text Improvements [73.5918084416016]
編集機能の自動評価のためのインストラクションベース、ベンチマーク、評価スイートであるEditEvalを提示する。
InstructGPTとPEERが最良であることを示す事前学習モデルをいくつか評価するが,ほとんどのベースラインは教師付きSOTA以下である。
我々の分析は、タスクの編集によく使われるメトリクスが必ずしも相関しているとは限らないことを示し、最高の性能を持つプロンプトに対する最適化は、必ずしも異なるモデルに対して強い堅牢性を持つとは限らないことを示唆している。
論文 参考訳（メタデータ） (2022-09-27T12:26:05Z) - PEER: A Collaborative Language Model [70.11876901409906]
PEER(コラボレーティブ言語モデル)は,記述プロセス全体を模倣した言語モデルである。
PEERは、ドラフトの作成、提案の追加、編集の提案、アクションの説明を提供することができる。
PEERは様々な領域にまたがって高い性能を示し,編集作業を行う。
論文 参考訳（メタデータ） (2022-08-24T16:56:47Z) - ArgRewrite V.2: an Annotated Argumentative Revisions Corpus [10.65107335326471]
ArgRewrite V.2は2サイクルのリビジョンから収集された注釈付き議論的リビジョンのコーパスであり、自動運転車に関する議論的エッセイである。
ArgRewriteのさまざまなリビジョン単位の範囲と目的の粒度レベルは、新しいタイプのメタデータを含むとともに、リビジョン分析を含む研究やアプリケーションに有用なリソースとなります。
論文 参考訳（メタデータ） (2022-06-03T16:40:51Z) - Towards Automated Document Revision: Grammatical Error Correction,
Fluency Edits, and Beyond [46.130399041820716]
ACLアンソロジーから採取した学術論文をプロの編集者が改訂する文書改訂コーパスTETRAを導入する。
TETRAの独特性を既存の文書修正コーパスと比較し、微妙な違いであっても、修正後の文書の品質を識別できることを実証する。
論文 参考訳（メタデータ） (2022-05-23T17:37:20Z) - Understanding Iterative Revision from Human-Written Text [10.714872525208385]
IteraTeRは、反復的に修正されたテキストの最初の大規模、複数ドメイン、編集意図の注釈付きコーパスである。
テキストのリビジョンプロセスをよりよく理解し、編集意図と執筆品質の間に重要なつながりを築き上げます。
論文 参考訳（メタデータ） (2022-03-08T01:47:42Z)
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。