論文の概要: Workflow Discovery from Dialogues in the Low Data Regime

• arxiv url: http://arxiv.org/abs/2205.11690v1
• Date: Tue, 24 May 2022 01:12:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 13:51:12.319741
• Title: Workflow Discovery from Dialogues in the Low Data Regime
• Title（参考訳）: 低データレジームにおける対話からのワークフロー発見
• Authors: Amine El Hattami, Stefania Raimondo, Issam Laradji, David Vazquez, Pau Rodriguez, Chris Pal
• Abstract要約: 本研究では,Action Based Conversationsデータセットの対話を条件付きで要約する実験を行う。 本稿では、許容可能なアクションステップのセットに基づいてモデルを記述するアプローチを提案し、評価する。 また、学習したモデルを全く新しいドメインに転送する場合、ゼロショットや少数ショットのWD性能も向上する。
• 参考スコア（独自算出の注目度）: 13.14503978966984
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Text-based dialogues are now widely used to solve real-world problems. In cases where solution strategies are already known, they can sometimes be codified into workflows and used to guide humans or artificial agents through the task of helping clients. We are interested in the situation where a formal workflow may not yet exist, but we wish to discover the steps of actions that have been taken to resolve problems. We examine a novel transformer-based approach for this situation and we present experiments where we summarize dialogues in the Action-Based Conversations Dataset (ABCD) with workflows. Since the ABCD dialogues were generated using known workflows to guide agents we can evaluate our ability to extract such workflows using ground truth sequences of action steps, organized as workflows. We propose and evaluate an approach that conditions models on the set of allowable action steps and we show that using this strategy we can improve workflow discovery (WD) performance. Our conditioning approach also improves zero-shot and few-shot WD performance when transferring learned models to entirely new domains (i.e. the MultiWOZ setting). Further, a modified variant of our architecture achieves state-of-the-art performance on the related but different problems of Action State Tracking (AST) and Cascading Dialogue Success (CDS) on the ABCD.
• Abstract（参考訳）: 現在、テキストベースの対話は現実世界の問題を解決するために広く使われている。 ソリューション戦略がすでに知られている場合、ワークフローに成文化され、顧客を助けるタスクを通じて人間や人工エージェントを導くのに使われることがある。 正式なワークフローがまだ存在しない状況に興味がありますが、問題を解決するためのアクションのステップを見つけたいと思っています。 本稿では,この状況に対する新しいトランスフォーマーベースのアプローチについて検討し,ワークフローとABCD(Action-Based Conversations Dataset)の対話を要約する実験を行う。 ABCDダイアログは既知のワークフローを用いて生成されエージェントを誘導するので、ワークフローとして整理されたアクションステップの基底真理シーケンスを用いて、そのようなワークフローを抽出する能力を評価することができる。 我々は、許容アクションステップのセット上で条件モデルを構築する手法を提案し評価し、この戦略を用いることでワークフロー発見(wd)の性能を向上させることができることを示す。 我々の条件付け手法は、学習したモデルを全く新しい領域(つまりMultiWOZ設定)に転送する際のゼロショットと少数ショットのWD性能も改善する。 さらに,abcd上での動作状態追跡 (ast) とカスケード対話成功 (cds) に関して,関連するが異なる問題に対して最先端のパフォーマンスを実現する。

関連論文リスト

• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorFBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorFEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することができることを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• ComfyGen: Prompt-Adaptive Workflows for Text-to-Image Generation [87.39861573270173]
  本稿では,各ユーザプロンプトに自動的にワークフローをカスタマイズすることを目的とする,プロンプト適応型ワークフロー生成の新しいタスクを紹介する。 本稿では,この課題に対処する2つの LLM ベースの手法を提案する。ユーザ・参照データから学習するチューニングベース手法と,既存のフローを選択するために LLM を使用するトレーニングフリー手法である。 本研究は,現場における既存研究の方向性を補完し,テキスト・画像生成の品質向上のための新たな経路を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-02T16:43:24Z)
• Agent Workflow Memory [71.81385627556398]
  本稿では、一般的に再利用されるルーチンを誘導するAgent Memoryを紹介する。 AWMはベースラインの結果を24.6%、相対的な成功率51.1%で大幅に改善する。 オンラインAWMは、クロスタスク、ウェブサイト、ドメイン評価を強力に一般化する。
  論文  参考訳（メタデータ） (2024-09-11T17:21:00Z)
• FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents [64.1759086221016]
  ワークフロー誘導計画の最初のベンチマークであるFlowBenchを紹介します。 FlowBenchは6つのドメインから51のシナリオをカバーしている。 以上の結果から,現在のLLMエージェントは良好な計画を立てるためにかなりの改善が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T06:13:00Z)
• Workflow-Guided Response Generation for Task-Oriented Dialogue [4.440232673676693]
  ワークフローに整合した対話応答を生成するための強化学習(RL)に基づく新しいフレームワークを提案する。 私たちのフレームワークは、生成されたレスポンスが指定されたアクションをどれだけうまく実行するかを評価するために設計されたメトリクスであるComplianceScorerで構成されています。 以上の結果から,我々のRLベースのフレームワークは,ベースラインよりも優れており,自然かつ流動的な表現をしながら,意図した応答に順応する上で有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-14T16:44:33Z)
• Leveraging Explicit Procedural Instructions for Data-Efficient Action Prediction [5.448684866061922]
  タスク指向の対話は、しばしばエージェントがユーザ要求を満たすために複雑で多段階の手順を実行する必要がある。 大規模言語モデルは、制約のある環境でこれらの対話を自動化することに成功したが、その広範な展開は、トレーニングに必要なタスク固有の大量のデータによって制限されている。 本稿では,エージェントガイドラインから導出した明示的な指示を利用して対話システムを構築するための,データ効率のよいソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-06T18:42:08Z)
• Improving Generalization in Task-oriented Dialogues with Workflows and Action Plans [1.0499611180329804]
  タスク指向の対話は、ユーザ意図を理解し、ユーザから情報を収集し、API呼び出しを実行し、流動的な応答を生成するため、部分的には難しい。 本研究では,多段階のタスク指向対話エージェントを作成するために,大規模な事前学習言語モデルをエンドツーエンドに微調整できることを示す。 実験により,本手法はトレーニング中に見つからない新しいマルチステップタスクを確実に実行できないことを確認した。
  論文  参考訳（メタデータ） (2023-06-02T17:54:36Z)
• In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
  In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。 大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。 これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
  論文  参考訳（メタデータ） (2022-03-16T11:58:24Z)
• Task-Oriented Dialogue as Dataflow Synthesis [158.77123205487334]
  本稿では,対話状態がデータフローグラフとして表現されるタスク指向対話へのアプローチについて述べる。 対話エージェントは、各ユーザの発話を、このグラフを拡張するプログラムにマッピングする。 我々は、イベント、天気、場所、人々に関する複雑な対話を特徴とする、新しいデータセットであるSMCalFlowを紹介した。
  論文  参考訳（メタデータ） (2020-09-24T00:35:26Z)

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。