Fugu-MT 論文翻訳(概要): TextWorldExpress: Simulating Text Games at One Million Steps Per Second

論文の概要: TextWorldExpress: Simulating Text Games at One Million Steps Per Second

arxiv url: http://arxiv.org/abs/2208.01174v1
Date: Mon, 1 Aug 2022 23:43:48 GMT
ステータス: 処理完了
システム内更新日: 2022-08-03 12:52:15.241836
Title: TextWorldExpress: Simulating Text Games at One Million Steps Per Second
Title（参考訳）: TextWorldExpress: テキストゲームを毎秒100万ステップでシミュレーションする
Authors: Peter A. Jansen, Marc-Alexandre C\^ot\'e
Abstract要約: TextWorldExpressは3つの一般的なテキストゲームベンチマークの高性能実装であり、一般的なデスクトップハードウェア上で毎秒100万ステップ以上に達する。これにより、実験のランタイムが大幅に削減され、およそ1日で数十億段階の実験が可能になる。
参考スコア（独自算出の注目度）: 5.255105293015558
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Text-based games offer a challenging test bed to evaluate virtual agents at language understanding, multi-step problem-solving, and common-sense reasoning. However, speed is a major limitation of current text-based games, capping at 300 steps per second, mainly due to the use of legacy tooling. In this work we present TextWorldExpress, a high-performance implementation of three common text game benchmarks that increases simulation throughput by approximately three orders of magnitude, reaching over one million steps per second on common desktop hardware. This significantly reduces experiment runtime, enabling billion-step-scale experiments in about one day.
Abstract（参考訳）: テキストベースのゲームは、言語理解、マルチステップ問題解決、常識推論における仮想エージェントを評価するための難しいテストベッドを提供する。しかし、スピードは現在のテキストベースのゲームでは大きな制限であり、主にレガシーツールを使用するため、毎秒300ステップに制限される。本研究では,3つの共通テキストゲームベンチマークの高性能実装であるTextWorldExpressを提案する。これにより、実験の実行時間が大幅に削減され、およそ1日で数十億段階の実験が可能になる。

関連論文リスト

Can Language Models Serve as Text-Based World Simulators? [36.696443050781134]
仮想環境は複雑な計画や意思決定タスクのベンチマークにおいて重要な役割を担います。現在の言語モデル自体が世界シミュレータとして機能し、アクションがどのように異なる世界状態を変えるかを正確に予測できるだろうか? 私たちのゴールは、テキストベースのシミュレーターの文脈でこの質問に答えることです。
論文参考訳（メタデータ） (2024-06-10T17:24:44Z)
AToM: Amortized Text-to-Mesh using 2D Diffusion [107.02696990299032]
Amortized Text-to-Mesh (AToM) は複数のテキストプロンプトに同時に最適化されたフィードフォワードフレームワークである。 AToMはトレーニングコストの約10倍の削減とともに、1秒未満で高品質なテクスチャメッシュを直接生成する。 AToMは4倍以上の精度で最先端のアモルト化アプローチを著しく上回っている。
論文参考訳（メタデータ） (2024-02-01T18:59:56Z)
DSText V2: A Comprehensive Video Text Spotting Dataset for Dense and Small Text [46.177941541282756]
我々は,DSText V2というビデオテキスト読解ベンチマークを構築し,DenseとSmallテキスト読解の課題に焦点を当てた。提案したデータセットは、以前のデータセットと比較すると、主に3つの新しい課題を含んでいる。ビデオのぼやけや歪みと相まって、高頻度の小さなテキストは、さらなる課題をもたらすだろう。
論文参考訳（メタデータ） (2023-11-29T09:13:27Z)
ByteSized32: A Corpus and Challenge Task for Generating Task-Specific World Models Expressed as Text Games [12.160149133948186]
私たちはこれを,数百行のPythonコードで表現されたテキストゲームを生成するタスクとして運用しています。我々は、GPT-4がこれらのゲームをシングルショット・イン・コンテクスト学習のテンプレートとして利用できることを実証的に実証した。我々は,ゲーム忠実度,技術的妥当性,タスク仕様の遵守,勝利性を評価するための一連の自動メトリクスを紹介した。
論文参考訳（メタデータ） (2023-05-24T08:31:30Z)
ICDAR 2023 Video Text Reading Competition for Dense and Small Text [61.138557702185274]
我々は,ビデオ中の高密度・小型のテキスト読解課題に焦点を当てた,ビデオテキスト読解ベンチマークDSTextを構築した。提案したデータセットは、以前のデータセットと比較すると、主に3つの新しい課題を含んでいる。提案したDSTextには、12のオープンシナリオから100のビデオクリップが含まれており、2つのタスク(例えば、ビデオテキストトラッキング(Task 1)と、エンドツーエンドのビデオテキストスポッティング(Task2)をサポートする。
論文参考訳（メタデータ） (2023-04-10T04:20:34Z)
Real-time End-to-End Video Text Spotter with Contrastive Representation Learning [91.15406440999939]
Contrastive Representation Learning (CoText) を用いたリアルタイムエンドツーエンドビデオテキストスポッターを提案する。 CoTextは3つのタスク(テキストの検出、追跡、認識など)を、リアルタイムのエンドツーエンドのトレーニング可能なフレームワークで同時に処理する。シンプルで軽量なアーキテクチャは、効率的かつ正確なパフォーマンスのために設計されている。
論文参考訳（メタデータ） (2022-07-18T07:54:17Z)
Megaverse: Simulating Embodied Agents at One Million Experiences per Second [75.1191260838366]
私たちは、強化学習と具体化AI研究のための新しい3DシミュレーションプラットフォームであるMegaverseを紹介します。 MegaverseはDeepMind Labより最大70倍速い。私たちはMegaverseを使って、複数の単一エージェントタスクとマルチエージェントタスクからなる新しいベンチマークを構築します。
論文参考訳（メタデータ） (2021-07-17T03:16:25Z)
Interactive Fiction Game Playing as Multi-Paragraph Reading Comprehension with Reinforcement Learning [94.50608198582636]
対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。 IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
論文参考訳（メタデータ） (2020-10-05T23:09:20Z)
Exploration Based Language Learning for Text-Based Games [72.30525050367216]
本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
論文参考訳（メタデータ） (2020-01-24T03:03:51Z)

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。