論文の概要: A Siren Song of Open Source Reproducibility

• arxiv url: http://arxiv.org/abs/2204.04372v1
• Date: Sat, 9 Apr 2022 03:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-12 14:57:30.527920
• Title: A Siren Song of Open Source Reproducibility
• Title（参考訳）: オープンソース再現性のサイレン歌
• Authors: Edward Raff, Andrew L. Farris
• Abstract要約: 我々は、再現可能な研究の状況を改善したい場合、複製のためのコードに焦点が当てられていることを誤解している。 カンファレンスが奨励と報酬のために行う効果的な行動の証拠が不足している。 私たちは今日、再現可能な機械学習研究を進めるために、会場はもっとアクションを取らなければならないと論じています。
• 参考スコア（独自算出の注目度）: 36.754180527471895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As reproducibility becomes a greater concern, conferences have largely converged to a strategy of asking reviewers to indicate whether code was attached to a submission. This is part of a larger trend of taking action based on assumed ideals, without studying if those actions will yield the desired outcome. Our argument is that this focus on code for replication is misguided if we want to improve the state of reproducible research. This focus can be harmful -- we should not force code to be submitted. There is a lack of evidence for effective actions taken by conferences to encourage and reward reproducibility. We argue that venues must take more action to advance reproducible machine learning research today.
• Abstract（参考訳）: 再現性が大きな関心事になるにつれ、カンファレンスはレビュアーにコードが提出に添付されているかどうかを指示する戦略に集約されている。 これは、想定された理想に基づいた行動を取るというより大きなトレンドの一部であり、これらの行動が望ましい結果をもたらすかどうかを研究せずにいる。 我々の主張は、再現可能な研究の状況を改善したい場合、複製のためのコードに焦点をあてることは誤解される。 この焦点は有害な場合もあります -- コードを提出するよう強制すべきではありません。 再現性を奨励し、報酬する会議が行う効果的な行動の証拠が不足している。 今日、再現可能な機械学習研究を進めるためには、会場がもっと行動を起こす必要があると我々は主張している。

関連論文リスト

• Leveraging Reward Consistency for Interpretable Feature Discovery in Reinforcement Learning [69.19840497497503]
  一般的に使われているアクションマッチングの原理は、RLエージェントの解釈よりもディープニューラルネットワーク(DNN)の説明に近いと論じられている。 本稿では,RLエージェントの主目的である報酬を,RLエージェントを解釈する本質的な目的として考察する。 我々は,Atari 2600 ゲームと,挑戦的な自動運転車シミュレータ環境である Duckietown の検証と評価を行った。
  論文  参考訳（メタデータ） (2023-09-04T09:09:54Z)
• The Risks of Recourse in Binary Classification [10.067421338825545]
  人口レベルでは,アルゴリズムによる談話の提供が有益か有害かを検討した。 会話を提供することが有害であることが判明した、もっともらしいシナリオがたくさんあることが分かりました。 結論として,現在のアルゴリズム・リコースの概念は確実な有用性を持たず,再考が必要である。
  論文  参考訳（メタデータ） (2023-06-01T09:46:43Z)
• Building a Culture of Reproducibility in Academic Research [55.22219308265945]
  再現性(reproducibility)は、研究者が「抽象的な」議論をしない理想であるが、願望が学界の冷酷な現実と出会うと、しばしば「消える」という理想である。 このエッセイでは、他の優先順位に対する要求のバランスをとりながら、運用方法に不満を抱く個人的な経験を共有します。
  論文  参考訳（メタデータ） (2022-12-27T16:03:50Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• CGAR: Critic Guided Action Redistribution in Reinforcement Leaning [27.8704943323583]
  本稿では,CGAR(Critic Guided Action Redistribution)アルゴリズムを導入し,OpenAI MuJoCoタスク上でテストする。 政治以外のアクター評論家アルゴリズムの設定の下では、批評家は少なくとも俳優に匹敵するよりも、予想される割引報酬を得られることを実証する。
  論文  参考訳（メタデータ） (2022-06-23T06:33:14Z)
• Does the Market of Citations Reward Reproducible Work? [36.754180527471895]
  医学や機械学習(ML)などの特定の研究分野は、再現性のある作品とより多くの引用を関連付けていることを示す。 コードを利用可能にし、事前作業を徹底的に参照することは、引用の増加と肯定的に相関しているように見える。
  論文  参考訳（メタデータ） (2022-04-08T04:03:17Z)
• Improving Experience Replay with Successor Representation [0.0]
  優先順位付けされた経験の再生は、学習を高速化する強化学習技術である。 神経科学における最近の研究は、生物において、リプレイは利得と必要性の両方によって優先順位付けされていることを示唆している。
  論文  参考訳（メタデータ） (2021-11-29T05:25:54Z)
• Offline Reinforcement Learning as Anti-Exploration [49.72457136766916]
  我々は、新たなオフラインRLエージェントを設計するためのボーナスベースの探索に関する文献から着想を得た。 中心となるアイデアは、探索のために追加するのではなく、報酬から予測ベースの探査ボーナスを減じることだ。 我々のエージェントは、連続的な制御ロコモーションと操作タスクのセットにおいて、最先端技術と競合していることを示す。
  論文  参考訳（メタデータ） (2021-06-11T14:41:30Z)
• Empirically Verifying Hypotheses Using Reinforcement Learning [58.09414653169534]
  本稿では,仮説検証をRL問題として定式化する。 我々は、世界の力学に関する仮説を前提として、仮説が真か偽かを予測するのに役立つ観測結果を生成することができるエージェントを構築することを目指している。
  論文  参考訳（メタデータ） (2020-06-29T01:01:10Z)

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。