論文の概要: PASTA: A Dataset for Modeling Participant States in Narratives

• arxiv url: http://arxiv.org/abs/2208.00329v2
• Date: Sat, 1 Jul 2023 22:34:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-04 15:59:06.945724
• Title: PASTA: A Dataset for Modeling Participant States in Narratives
• Title（参考訳）: PASTA: 物語の参加者状態モデリングのためのデータセット
• Authors: Sayontan Ghosh, Mahnaz Koupaee, Isabella Chen, Francis Ferraro, Nathanael Chambers, Niranjan Balasubramanian
• Abstract要約: 我々は,新たにクラウドソーシングされた英語,Participant States データセット PASTA を紹介した。 このデータセットには、推測不可能な参加者状態、各状態に対する反ファクト的摂動、および反ファクト的事実が真実であれば必要となるストーリーの変更が含まれている。 本稿では,ある状態がいつ物語に関連付けられているのかを推測し,その状態が反実的な状態に規定されたストーリーを改訂し,また,修正されたストーリーに与えられた最も可能性の高い状態変化を説明するための3つの状態ベース推論タスクを紹介する。
• 参考スコア（独自算出の注目度）: 24.982857364049664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The events in a narrative are understood as a coherent whole via the underlying states of their participants. Often, these participant states are not explicitly mentioned, instead left to be inferred by the reader. A model that understands narratives should likewise infer these implicit states, and even reason about the impact of changes to these states on the narrative. To facilitate this goal, we introduce a new crowdsourced English-language, Participant States dataset, PASTA. This dataset contains inferable participant states; a counterfactual perturbation to each state; and the changes to the story that would be necessary if the counterfactual were true. We introduce three state-based reasoning tasks that test for the ability to infer when a state is entailed by a story, to revise a story conditioned on a counterfactual state, and to explain the most likely state change given a revised story. Experiments show that today's LLMs can reason about states to some degree, but there is large room for improvement, especially in problems requiring access and ability to reason with diverse types of knowledge (e.g. physical, numerical, factual).
• Abstract（参考訳）: 物語の中の出来事は、参加者の基盤となる状態を通じて、一貫性のある全体として理解される。 しばしば、これらの参加者状態は明示的に言及されず、読者によって推測される。 物語を理解するモデルも同様にこれらの暗黙の状態を推測し、これらの状態の変化が物語に与える影響を推論するべきである。 この目標を達成するために、新たにクラウドソーシングされた英語のParticipant StatesデータセットであるPASTAを導入する。 このデータセットには、推測可能な参加者状態、各状態に対する反事実的摂動、反事実が真であれば必要となるストーリーの変更が含まれている。 本稿では,ある状態がいつ物語に関連付けられているかを推測し,その状態が反実的な状態に規定されたストーリーを改訂し,また,修正されたストーリーに与えられた最も可能性の高い状態変化を説明するための3つの状態ベース推論タスクを紹介する。 実験の結果、今日のLLMはある程度の状態を推論できるが、特に様々な種類の知識(例えば、物理的、数値的、事実)で推論するアクセスと能力を必要とする問題において、改善の余地は大きい。

関連論文リスト

• Learning Multiple Object States from Actions via Large Language Models [15.053419817253145]
  オブジェクトの状態認識を複数の状態を明示的に扱うマルチラベル分類タスクとして定式化する。 書き起こされたナレーションから擬似ラベルを生成し,過去の状態の影響を捉えた。 LLM生成した擬似ラベルをトレーニングしたモデルは、強い視覚言語モデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-02T08:43:16Z)
• SCHEMA: State CHangEs MAtter for Procedure Planning in Instructional Videos [54.01116513202433]
  本研究では,視覚状態の部分的な観察を目標とする行動手順を目標とする指導ビデオにおけるプロシージャ計画の課題について検討する。 最近の研究は、訓練中にアクセス可能なシーケンスレベルのアノテーションのみを持つステップのシーケンスモデリングに成功し、手順における状態の役割を見落としている。 我々は,手順におけるステップと状態の因果関係を調べることによって,より構造化された状態空間を確立することを目指している。
  論文  参考訳（メタデータ） (2024-03-03T19:53:06Z)
• OSCaR: Object State Captioning and State Change Representation [52.13461424520107]
  本稿では,OSCaR(Object State Captioning and State Change Representation)データセットとベンチマークを紹介する。 OSCaRは14,084の注釈付きビデオセグメントで構成され、様々なエゴセントリックなビデオコレクションから1,000近いユニークなオブジェクトが集められている。 マルチモーダル大言語モデル(MLLM)を評価するための新しいテストベッドを設定する。
  論文  参考訳（メタデータ） (2024-02-27T01:48:19Z)
• Language Modeling with Latent Situations [46.38670628102201]
  状況スーパービジョンは、言語モデルにおけるコヒーレンスを改善するためのアプローチのファミリーである。 モデルの構築と、エンティティとその状態の明示的な表現の条件付けを訓練する。 4-11%のコヒーレンス向上を実現している。
  論文  参考訳（メタデータ） (2022-12-20T05:59:42Z)
• MoNET: Tackle State Momentum via Noise-Enhanced Training for Dialogue State Tracking [42.70799541159301]
  対話状態追跡(DST)は、対話履歴をスロット値ペアからなる対話状態に変換することを目的としている。 最後のターンの対話状態は、通常、DSTモデルによって現在の状態を予測するための入力として採用される。 ノイズ強化トレーニングにより状態運動量に対処するためのMoNETを提案する。
  論文  参考訳（メタデータ） (2022-11-10T11:55:25Z)
• Generating Coherent Narratives by Learning Dynamic and Discrete Entity States with a Contrastive Framework [68.1678127433077]
  我々はトランスフォーマーモデルを拡張して,物語生成のためのエンティティ状態更新と文実現を動的に行う。 2つのナラティブデータセットの実験により、我々のモデルは強いベースラインよりも一貫性があり多様なナラティブを生成できることが示された。
  論文  参考訳（メタデータ） (2022-08-08T09:02:19Z)
• SOCCER: An Information-Sparse Discourse State Tracking Collection in the Sports Commentary Domain [7.119677737397071]
  自然言語理解の追求において、物語全体の状態変化を追跡することに対する長年の関心が高まってきた。 本稿では,これらの特性を示す,シンプルで完全に観測可能なシステムに転換することを提案する。 そこで本研究では,異なるタイムスタンプでのゲーム解説文を前提として,ゲーム内イベントの発生を認識させるタスクの定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:21:13Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)

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。