論文の概要: A Zero-Shot Classification Approach for a Word-Guessing Challenge

• arxiv url: http://arxiv.org/abs/2206.13099v1
• Date: Mon, 27 Jun 2022 08:06:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-28 12:21:55.410947
• Title: A Zero-Shot Classification Approach for a Word-Guessing Challenge
• Title（参考訳）: 単語探索課題に対するゼロショット分類手法
• Authors: Nicos Isaak
• Abstract要約: ゼロショット設定に基づいてタブーチャレンジタスクに取り組む言語モデルアプローチであるタブーLMを提案する。 提案手法はTabooの課題に対してSOTAの結果が得られ,既存の手法よりも高速かつ高精度に都市を推定できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Taboo Challenge competition, a task based on the well-known Taboo game, has been proposed to stimulate research in the AI field. The challenge requires building systems able to comprehend the implied inferences between the exchanged messages of guesser and describer agents. A describer sends pre-determined hints to guessers indirectly describing cities, and guessers are required to return the matching cities implied by the hints. Climbing up the scoring ledger requires the resolving of the highest amount of cities with the smallest amount of hints in a specified time frame. Here, we present TabooLM, a language-model approach that tackles the challenge based on a zero-shot setting. We start by presenting and comparing the results of this approach with three studies from the literature. The results show that our method achieves SOTA results on the Taboo challenge, suggesting that TabooLM can guess the implied cities faster and more accurately than existing approaches.
• Abstract（参考訳）: 有名なTabooゲームに基づくタスクであるTaboo Challengeコンペティションは、AI分野の研究を促進するために提案されている。 この課題は、推測エージェントと記述エージェントの交換メッセージ間の暗黙の推論を理解することができるシステムを構築する必要がある。 説明者は事前に決められたヒントを間接的に都市を説明する推測者に送信し、推測者はヒントによって示唆される都市を返さなければならない。 スコアリング用の台帳を登るには、指定された時間枠で最小のヒントで最多の都市の解決が必要となる。 ここでは、ゼロショット設定に基づく課題に取り組むための言語モデルアプローチであるTabooLMを紹介する。 まず,このアプローチの結果を文献から得られた3つの研究と比較した。 提案手法はTabooの課題に対してSOTAの結果が得られ,TabooLMが既存手法よりも高速かつ精度の高い都市を推定できることが示唆された。

関連論文リスト

• Stream of Search (SoS): Learning to Search in Language [29.841835308845948]
  本稿では,言語における探索の過程をフラットな文字列として表現することで,言語モデルがどのように学習するかを示す。 本稿では,複数のシンボル検索戦略を抽出する統一言語を提案する。 この結果から,言語モデルでは,探索による問題解決や,異なる探索戦略を柔軟に活用する自己改善,新たな探索手法の発見などが可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-04-01T06:50:52Z)
• Prompting Implicit Discourse Relation Annotation [12.90968187053814]
  ChatGPTは、教師付きトレーニングなしでタスクを推論する際、優れたパフォーマンスをアーカイブする訓練済みの大規模言語モデルである。 本研究は,ChatGPTの談話関係認識を改善するためのいくつかの証明されたプロンプト技術について検討する。 実験結果から,精密な急進的工学でも推論精度がほとんど変化しないことが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-07T14:44:42Z)
• Large Language Models and Multimodal Retrieval for Visual Word Sense Disambiguation [1.8591405259852054]
  Visual Word Sense Disambiguation (VWSD)は、候補者の中から画像を取得することを目的とした、新しい課題である。 本稿では、様々なアプローチを適用することで、この興味深い課題を明らかにするための大きな一歩を踏み出す。
  論文  参考訳（メタデータ） (2023-10-21T14:35:42Z)
• CrowdCLIP: Unsupervised Crowd Counting via Vision-Language Model [60.30099369475092]
  監視された群衆のカウントは、高価な手作業によるラベリングに大きく依存している。 本稿では,クラウドカウントのための新しい非教師付きフレームワークであるCrowdCLIPを提案する。 CrowdCLIPは、従来の教師なしの最先端カウント手法と比較して、優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-09T12:56:54Z)
• Text to Point Cloud Localization with Relation-Enhanced Transformer [14.635206837740231]
  テキスト・ツー・ポイント・クラウドのクロスモーダルなローカライゼーション問題に焦点をあてる。 都市スケールの点雲から記述された場所を特定することを目的としている。 本稿では,表現の識別性を改善するために,RET(Relation-Enhanced Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-01-13T02:58:49Z)
• Toward Human Readable Prompt Tuning: Kubrick's The Shining is a good movie, and a good prompt too? [84.91689960190054]
  大規模言語モデルは、自然言語のプロンプトが与えられた場合、ゼロショットで新しいタスクを実行することができる。 特にプロンプトが自然言語である場合、どの要因がプロンプトを効果的にするかは明らかにされていない。
  論文  参考訳（メタデータ） (2022-12-20T18:47:13Z)
• Revisiting the Roles of "Text" in Text Games [102.22750109468652]
  本稿では,強化学習におけるテキストの役割について検討する。 本稿では,関連するコンテキスト情報を近似状態ハッシュに抽出する簡単な手法を提案する。 このような軽量なプラグインは最先端のテキストエージェントとの競合性能を実現する。
  論文  参考訳（メタデータ） (2022-10-15T21:52:39Z)
• Least-to-Most Prompting Enables Complex Reasoning in Large Language Models [52.59923418570378]
  本稿では, 難解な一般化の課題を克服するために, 最小限のプロンプト戦略を提案する。 最小限のプロンプトは、プロンプトで見られるものよりも難しい問題に一般化可能であることを示す。 SCANの解決を専門とする文献におけるニューラルシンボリックモデルは、15,000以上のサンプルを含むトレーニングセット全体をトレーニングする。
  論文  参考訳（メタデータ） (2022-05-21T15:34:53Z)
• A Survey on Temporal Sentence Grounding in Videos [69.13365006222251]
  ビデオ(TSGV)における時間的文グラウンドングは、与えられた文クエリに関する未編集ビデオから1つのターゲットセグメントをローカライズすることを目的としている。 我々の知る限りでは、これは時間的文接地に関する最初の体系的な調査である。
  論文  参考訳（メタデータ） (2021-09-16T15:01:46Z)
• Learning to Ask Conversational Questions by Optimizing Levenshtein Distance [83.53855889592734]
  明示的な編集動作によって最小レベンシュテイン距離(MLD)を最適化する強化反復シーケンス編集(RISE)フレームワークを導入する。 RISEは会話の特徴に関連するトークンに注意を払うことができる。 2つのベンチマークデータセットの実験結果から、RISEは最先端の手法を大幅に上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-06-30T08:44:19Z)
• ColdGANs: Taming Language GANs with Cautious Sampling Strategies [29.943949944682196]
  GAN(Generative Adversarial Networks)は制約を緩和するが、テキストの離散性によって言語生成への応用が妨げられている。 古典的なサンプリングが不安定なトレーニングにどのように影響するかを示す。 我々は,サンプルを分散モードに近づけることで,よりスムーズな学習ダイナミックスを実現するGANフレームワークにおいて,代替的な探索戦略を検討することを提案する。 我々の知る限りでは、提案言語 GAN は MLE と好意的に比較され、3つの生成タスクにおける最先端技術の改善が得られた。
  論文  参考訳（メタデータ） (2020-06-08T14:48:14Z)

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。