論文の概要: Generating Quizzes to Support Training on Quality Management and
Assurance in Space Science and Engineering
- arxiv url: http://arxiv.org/abs/2210.03427v1
- Date: Fri, 7 Oct 2022 09:52:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 12:49:19.033746
- Title: Generating Quizzes to Support Training on Quality Management and
Assurance in Space Science and Engineering
- Title(参考訳): 宇宙科学と工学における品質管理と保証のトレーニングを支援するクイズの作成
- Authors: Andr\'es Garc\'ia-Silva, Cristian Berr\'io, Jos\'e Manuel
G\'omez-P\'erez
- Abstract要約: 本研究では,宇宙領域における品質保証手順に関する文書から,トレーニングセッションの有効性を評価する共通資源であるクイズを生成するシステムを提案する。
我々のシステムは,T5 や BART といった美術品の自動回帰モデルを用いて質問を生成するとともに,RoBERTa モデルを用いて質問に対する回答を抽出し,その適合性を検証する。
- 参考スコア(独自算出の注目度): 0.01790445868185437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quality management and assurance is key for space agencies to guarantee the
success of space missions, which are high-risk and extremely costly. In this
paper, we present a system to generate quizzes, a common resource to evaluate
the effectiveness of training sessions, from documents about quality assurance
procedures in the Space domain. Our system leverages state of the art
auto-regressive models like T5 and BART to generate questions, and a RoBERTa
model to extract answers for such questions, thus verifying their suitability.
- Abstract(参考訳): 宇宙機関にとって品質管理と保証は、高リスクで非常にコストのかかる宇宙ミッションの成功を保証する鍵となる。
本稿では,空間領域における品質保証手順に関する文書から,訓練セッションの有効性を評価する共通資源であるクイズを生成するシステムを提案する。
我々のシステムは,T5やBARTといった美術自動回帰モデルを用いて質問を生成するとともに,RoBERTaモデルを用いて質問に対する回答を抽出し,その妥当性を検証する。
関連論文リスト
- Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳(メタデータ) (2022-12-12T06:30:17Z) - Consecutive Question Generation via Dynamic Multitask Learning [17.264399861776187]
本稿では,論理的に関連する質問応答対の集合を生成する連続質問生成タスク(CQG)を提案する。
まず、CQGの4つのキー要素について検討し、1つのメインタスクが質問応答ペアを生成し、4つの補助タスクが他の要素を生成する新しい動的マルチタスクフレームワークを提案する。
我々は,我々の戦略が質問生成を大幅に改善し,複数の関連するNLPタスクに利益をもたらすことを証明した。
論文 参考訳(メタデータ) (2022-11-16T11:50:36Z) - Artificial Intelligence and Natural Language Processing and
Understanding in Space: Four ESA Case Studies [48.53582660901672]
本稿では,空間文書から情報を自動的に抽出するための,人工知能と自然言語処理と理解に基づく方法論的枠組みを提案する。
ケーススタディはミッションデザイン、品質保証、長期データ保存、オープンスペースイノベーションプラットフォームなど、ESAのさまざまな機能領域で実装されている。
論文 参考訳(メタデータ) (2022-10-07T15:50:17Z) - SpaceQA: Answering Questions about the Design of Space Missions and
Space Craft Concepts [57.012600276711005]
宇宙ミッション設計における最初のオープンドメインQAシステムであるSpaceQAについて述べる。
SpaceQAは、欧州宇宙機関(ESA)による、宇宙ミッションの設計に関する情報のアクセス、共有、再利用を容易にするイニシアチブの一部である。
論文 参考訳(メタデータ) (2022-10-07T09:41:39Z) - Constrained Reinforcement Learning for Robotics via Scenario-Based
Programming [64.07167316957533]
DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。
本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。
我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
論文 参考訳(メタデータ) (2022-06-20T07:19:38Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳(メタデータ) (2020-11-02T08:46:27Z) - Constrained Markov Decision Processes via Backward Value Functions [43.649330976089004]
制約付きマルコフ決定プロセスとして,制約付き学習の問題をモデル化する。
我々のアプローチの重要な貢献は、累積的なコスト制約を状態ベースの制約に変換することである。
我々は、エージェントが訓練の過程で安全を確保しながら収束する理論的保証を提供する。
論文 参考訳(メタデータ) (2020-08-26T20:56:16Z)
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。