論文の概要: Revisiting the Roles of "Text" in Text Games

• arxiv url: http://arxiv.org/abs/2210.08384v1
• Date: Sat, 15 Oct 2022 21:52:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 16:31:21.337948
• Title: Revisiting the Roles of "Text" in Text Games
• Title（参考訳）: テキストゲームにおける「テキスト」の役割の再考
• Authors: Yi Gu, Shunyu Yao, Chuang Gan, Joshua B. Tenenbaum, Mo Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 102.22750109468652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text games present opportunities for natural language understanding (NLU) methods to tackle reinforcement learning (RL) challenges. However, recent work has questioned the necessity of NLU by showing random text hashes could perform decently. In this paper, we pursue a fine-grained investigation into the roles of text in the face of different RL challenges, and reconcile that semantic and non-semantic language representations could be complementary rather than contrasting. Concretely, we propose a simple scheme to extract relevant contextual information into an approximate state hash as extra input for an RNN-based text agent. Such a lightweight plug-in achieves competitive performance with state-of-the-art text agents using advanced NLU techniques such as knowledge graph and passage retrieval, suggesting non-NLU methods might suffice to tackle the challenge of partial observability. However, if we remove RNN encoders and use approximate or even ground-truth state hash alone, the model performs miserably, which confirms the importance of semantic function approximation to tackle the challenge of combinatorially large observation and action spaces. Our findings and analysis provide new insights for designing better text game task setups and agents.
• Abstract（参考訳）: テキストゲームは、強化学習(RL)課題に取り組む自然言語理解(NLU)手法の機会を提供する。 しかし、近年の研究では、ランダムテキストハッシュが適切に動作することを示すことによって、NLUの必要性が疑問視されている。 本稿では,異なるrl課題に直面したテキストの役割を詳細に検討し,意味論的・非意味的表現がコントラストよりも補完的になり得ることを結論づける。 具体的には、RNNベースのテキストエージェントに対する追加入力として、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スキームを提案する。 このような軽量なプラグインは知識グラフや通過探索といった高度なNLU技術を用いて最先端のテキストエージェントと競合する性能を実現し、非NLU手法が部分観測可能性の課題に取り組むのに十分であることを示す。 しかし、RNNエンコーダを除去して、近似的あるいは基底的状態ハッシュのみを用いると、そのモデルは悲惨な動作をし、組合せ的に大きな観測と行動空間の課題に取り組むために意味関数近似の重要性を確認する。 我々の発見と分析は、より良いテキストゲームタスクのセットアップとエージェントを設計するための新しい洞察を提供する。

関連論文リスト

• EXPLORER: Exploration-guided Reasoning for Textual Reinforcement Learning [23.83162741035859]
  テキスト強化学習のための探索誘導推論剤であるEXPLORERについて述べる。 実験の結果,EXPLORERはテキストワールド調理(TW-Cooking)およびテキストワールドコモンセンス(TWC)ゲームにおいて,ベースラインエージェントよりも優れていた。
  論文  参考訳（メタデータ） (2024-03-15T21:22:37Z)
• Not Enough Labeled Data? Just Add Semantics: A Data-Efficient Method for Inferring Online Health Texts [0.0]
  低リソースの健康NLPタスクをモデル化する手段として,抽象表現(AMR)グラフを用いる。 AMRは、多文入力を表現し、複雑な用語から抽象化し、長距離関係をモデル化するため、オンラインの健康テキストをモデル化するのに適している。 本実験は,テキスト埋め込みをセマンティックグラフ埋め込みで拡張することにより,6つの低リソースなNLPタスクの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-09-18T15:37:30Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Learning Symbolic Rules over Abstract Meaning Representations for Textual Reinforcement Learning [63.148199057487226]
  本稿では,汎用的な意味一般化とルール誘導システムを組み合わせて,解釈可能なルールをポリシーとして学習するモジュール型 NEuroSymbolic Textual Agent (NESTA) を提案する。 実験の結果,NESTA法は,未確認テストゲームや少ないトレーニングインタラクションから学習することで,深層強化学習技術よりも優れることがわかった。
  論文  参考訳（メタデータ） (2023-07-05T23:21:05Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• Textual Enhanced Contrastive Learning for Solving Math Word Problems [23.196339273292246]
  本稿では,意味的に類似した例を識別するためにモデルを強制するテキスト拡張コントラスト学習フレームワークを提案する。 テキストの微妙なばらつきのある例を豊かにするために、自己監督的な方法戦略を採用する。 実験結果から,提案手法は広く使用されているベンチマークデータセットと,英語と中国語の課題データセットの両面において,最先端性を実現していることが明らかとなった。
  論文  参考訳（メタデータ） (2022-11-29T08:44:09Z)
• 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)
• Towards Accurate Scene Text Recognition with Semantic Reasoning Networks [52.86058031919856]
  本稿では,シーンテキスト認識のための意味推論ネットワーク(SRN)という,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。 GSRMはマルチウェイ並列伝送によってグローバルセマンティックコンテキストをキャプチャするために導入された。 正規テキスト,不規則テキスト,非ラテン語長文を含む7つの公開ベンチマークの結果,提案手法の有効性とロバスト性を検証した。
  論文  参考訳（メタデータ） (2020-03-27T09:19:25Z)

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。