Fugu-MT 論文翻訳(概要): Visual Debates

論文の概要: Visual Debates

arxiv url: http://arxiv.org/abs/2210.09015v1
Date: Mon, 17 Oct 2022 12:35:52 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 17:21:58.595430
Title: Visual Debates
Title（参考訳）: ビジュアルディベート
Authors: Avinash Kori, Ben Glocker, Francesca Toni
Abstract要約: 本稿では,特定の予測を行うための分類者の推論を理解するための新しい議論フレームワークを提案する。我々のフレームワークは、なぜ分類器が特定の予測をしたのかという疑問に答え、プレイヤーが分類器の決定に異議を唱えたり反対したりすることを可能にする。主観的検証のための幾何学的SHAPEデータセットとMNISTデータセットに関するビジュアルディベートを実演し、続いて高分解能AFHQデータセットを示す。
参考スコア（独自算出の注目度）: 26.76139301708958
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The natural way of obtaining different perspectives on any given topic is by conducting a debate, where participants argue for and against the topic. Here, we propose a novel debate framework for understanding the classifier's reasoning for making a particular prediction by modelling it as a multiplayer sequential zero-sum game. The players aim to maximise their utilities by adjusting their arguments with respect to other players' counterarguments. The contrastive nature of our framework encourages players to put forward diverse arguments, picking up the reasoning trails missed by their opponents. Thus, our framework answers the question: why did the classifier make a certain prediction?, by allowing players to argue for and against the classifier's decision. In the proposed setup, given the question and the classifier's latent knowledge, both agents take turns in proposing arguments to support or contradict the classifier's decision; arguments here correspond to the selection of specific features from the discretised latent space of the continuous classifier. By the end of the debate, we collect sets of supportive and manipulative features, serving as an explanation depicting the internal reasoning of the classifier. We demonstrate our Visual Debates on the geometric SHAPE and MNIST datasets for subjective validation, followed by the high-resolution AFHQ dataset. For further investigation, our framework is available at \url{https://github.com/koriavinash1/VisualDebates}.
Abstract（参考訳）: 特定のトピックについて異なる視点を得る自然な方法は、参加者が議論し、そのトピックに反対する議論を行うことである。本稿では,マルチプレイヤーシーケンシャルゼロサムゲームとしてモデル化することで,特定の予測を行うための分類器の推論を理解するための新しい議論フレームワークを提案する。プレイヤーは、他のプレイヤーの反論に対して自身の議論を調整することで、ユーティリティーを最大化する。我々のフレームワークの対照的な性質は、対戦相手が見逃した推論の軌跡を拾い上げることで、プレイヤーに多様な議論を行うよう促す。したがって、我々のフレームワークは、なぜ分類者が特定の予測をしたのかという疑問に答える。プレイヤーが分類者の決定に異議を唱えたり反対したりすることで。提案された構成では、質問と分類器の潜在知識が与えられた場合、どちらのエージェントも、分類器の決定を支持するか、矛盾する引数の提案を順番に行う;ここでの議論は、連続分類器の離散された潜在空間から特定の特徴の選択に対応する。議論の終わりまでに、我々は支援的かつマニピュレーション的な特徴の集合を収集し、分類器の内部的推論を記述する説明として機能する。主観的検証のための幾何学的SHAPEおよびMNISTデータセットに対する視覚的議論と高解像度AFHQデータセットについて示す。さらなる調査のために、我々のフレームワークは \url{https://github.com/koriavinash1/VisualDebates} で利用可能です。

関連論文リスト

A Picture Is Worth a Graph: A Blueprint Debate Paradigm for Multimodal Reasoning [53.35861580821777]
この研究は、過剰な要約による意見の自明化と、画像から導入された散逸した概念による焦点の転換という2つの主要な課題に対処する。この問題に対処するため,BDoG (Blueprint Debate on Graphs) と呼ばれる演目的(トップダウン)な議論手法を提案する。 BDoGでは、世界レベルの要約による意見の自明化を防止するために、ブループリントグラフに限定して議論を行う。さらに、BDoGはグラフ内の枝に証拠を格納することで、頻繁だが無関係な概念によって引き起こされる混乱を緩和する。
論文参考訳（メタデータ） (2024-03-22T06:03:07Z)
Debatrix: Multi-dimensional Debate Judge with Iterative Chronological Analysis Based on LLM [51.43102092480804]
Debatrixは、Large Language Models (LLMs)に基づく自動ディスカッションジャッジである。実世界の議論シナリオに合わせるため、私たちはPanelBenchベンチマークを導入し、システムの性能と実際の議論結果を比較した。以上の結果から,LSMを直接使用して議論評価を行ない,顕著な改善が見られた。
論文参考訳（メタデータ） (2024-03-12T18:19:47Z)
Argue with Me Tersely: Towards Sentence-Level Counter-Argument Generation [62.069374456021016]
本稿では,文レベル逆問題生成のためのArgTerselyベンチマークを提案する。また,Arg-LlaMAによる高品質な逆問題生成手法を提案する。
論文参考訳（メタデータ） (2023-12-21T06:51:34Z)
Indicative Summarization of Long Discussions [37.80285705350554]
本稿では,大規模言語モデル (LLM) を用いた非教師なしの手法を提案する。提案手法では、まず、引数文をクラスタ化し、抽象的な要約としてクラスタラベルを生成し、生成されたクラスタラベルを引数フレームに分類する。広範に最適化されたプロンプトエンジニアリングアプローチに基づいて、生成クラスタラベリングとフレーム分類のための19LLMを評価する。
論文参考訳（メタデータ） (2023-11-03T12:44:59Z)
A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文参考訳（メタデータ） (2023-10-18T20:18:05Z)
Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文参考訳（メタデータ） (2022-04-16T08:07:53Z)
ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
論文参考訳（メタデータ） (2021-06-01T22:17:13Z)
The Unfolding Structure of Arguments in Online Debates: The case of a No-Deal Brexit [0.0]
オンライン討論の潜在的な議論構造を抽出,分類,探索するための5段階の手法を提案する。合意なし」ブレグジットに関するTwitterのデータを用いて、このイベントが実現した場合の期待される影響に焦点を当てる。その結果,提案手法を議論の統計的レトリック解析に用いることができることがわかった。
論文参考訳（メタデータ） (2021-03-09T12:29:43Z)
Exploring the Role of Argument Structure in Online Debate Persuasion [39.74040217761505]
オンライン討論会における議論における議論の談話構造の役割について考察する。我々は、より優れた予測性能を達成する上で、引数構造が重要な役割を担っていることを発見した。
論文参考訳（メタデータ） (2020-10-07T17:34:50Z)
AMPERSAND: Argument Mining for PERSuAsive oNline Discussions [41.06165177604387]
本稿では,オンライン議論フォーラムにおける議論マイニングのための計算モデルを提案する。我々のアプローチは、議論スレッド内の引数のコンポーネント間の関係を識別することに依存します。我々のモデルは最近の最先端のアプローチと比較して大幅に改善されている。
論文参考訳（メタデータ） (2020-04-30T10:33:40Z)
Reasoning on Knowledge Graphs with Debate Dynamics [27.225048123690243]
本稿では,議論力学に基づく知識グラフの自動推論手法を提案する。主な考え方は、2つの強化学習エージェント間の議論ゲームとして三重分類のタスクを組むことである。本稿では3つの分類とリンク予測タスクについてベンチマークを行う。
論文参考訳（メタデータ） (2020-01-02T14:44:23Z)

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。