論文の概要: Towards Pragmatic Production Strategies for Natural Language Generation Tasks

• arxiv url: http://arxiv.org/abs/2210.12828v1
• Date: Sun, 23 Oct 2022 19:30:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 13:36:26.551522
• Title: Towards Pragmatic Production Strategies for Natural Language Generation Tasks
• Title（参考訳）: 自然言語生成タスクの実用的生産戦略に向けて
• Authors: Mario Giulianelli
• Abstract要約: 本稿では,自然言語生成システムの設計のための概念的枠組みを提案する。 この一般的な枠組みでは、効率は生産と理解コストの相似的な規制として特徴づけられる。 現代の統計手法を用いて,目標,コスト,実用性を推定するための具体的な提案を行う。
• 参考スコア（独自算出の注目度）: 2.446833988895108
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This position paper proposes a conceptual framework for the design of Natural Language Generation (NLG) systems that follow efficient and effective production strategies in order to achieve complex communicative goals. In this general framework, efficiency is characterised as the parsimonious regulation of production and comprehension costs while effectiveness is measured with respect to task-oriented and contextually grounded communicative goals. We provide concrete suggestions for the estimation of goals, costs, and utility via modern statistical methods, demonstrating applications of our framework to the classic pragmatic task of visually grounded referential games and to abstractive text summarisation, two popular generation tasks with real-world applications. In sum, we advocate for the development of NLG systems that learn to make pragmatic production decisions from experience, by reasoning about goals, costs, and utility in a human-like way.
• Abstract（参考訳）: 本稿では,複雑なコミュニケーション目標を達成するために,効率的な生産戦略に従う自然言語生成(NLG)システムの設計のための概念的枠組みを提案する。 この一般的な枠組みでは、効率性は生産コストと理解コストの控えめな規制として特徴づけられ、効率性はタスク指向と文脈に基づくコミュニケーション目標に関して測定される。 本研究では,最新の統計手法を用いて目標,コスト,有用性を評価するための具体的提案を行い,実世界アプリケーションを用いた2つの一般的な生成タスクである,視覚的接地参照ゲームの古典的な実用的タスクと抽象的テキスト要約への応用を示す。 総じて、我々は、目標、コスト、実用性を人間的な方法で推論することで、経験から実用的生産決定を行うことを学ぶNLGシステムの開発を提唱する。

関連論文リスト

• Improving Large Language Model (LLM) fidelity through context-aware grounding: A systematic approach to reliability and veracity [0.0]
  大規模言語モデル(LLM)は、自然言語処理(NLP)アプリケーションにおいて、ますます高度でユビキタスなものになりつつある。 本稿では,テクストモデルにおける文脈的接地のための新しい枠組みについて述べる。 本研究は, 医療, 法制度, 社会サービスなどのセンシティブな分野におけるLCMの展開に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-08-07T18:12:02Z)
• Meta Reasoning for Large Language Models [58.87183757029041]
  大規模言語モデル(LLM)の新規かつ効率的なシステムプロセッシング手法であるメタ推論プロンプト(MRP)を導入する。 MRPは、各タスクの特定の要求に基づいて異なる推論メソッドを動的に選択し、適用するようLLMに誘導する。 総合的なベンチマークによりMPPの有効性を評価する。
  論文  参考訳（メタデータ） (2024-06-17T16:14:11Z)
• Planning Like Human: A Dual-process Framework for Dialogue Planning [31.995557540062553]
  大規模言語モデル(LLM)における対話計画を強化するための2段階対話計画フレームワークを提案する。 心理学における二重過程理論に触発されて、直感的(高速)と分析的(スロー)の2つの思考様式を具現化した枠組みを提案する。 実験により,DPDPが高品質な対話と操作効率を両立し,既存手法よりも優れていることを確認した。
  論文  参考訳（メタデータ） (2024-06-08T06:52:47Z)
• Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning [79.38140606606126]
  強化学習(RL)を用いた視覚言語モデル(VLM)を微調整するアルゴリズムフレームワークを提案する。 我々のフレームワークはタスク記述を提供し、次にVLMにチェーン・オブ・シント(CoT)推論を生成するよう促す。 提案手法は,VLMエージェントの様々なタスクにおける意思決定能力を向上させる。
  論文  参考訳（メタデータ） (2024-05-16T17:50:19Z)
• PACE: A Pragmatic Agent for Enhancing Communication Efficiency Using Large Language Models [29.016842120305892]
  本稿では,Large Language Models (LLM) を用いたPACE(Pragmatic Agent for Communication efficiency)に基づく画像実用的コミュニケーションフレームワークを提案する。 PACEは、意味認識、意図分解、意図指向コーディングを順次実行する。 実験的な検証のために,画像の実用的コミュニケーションデータセットとそれに対応する評価基準を構築した。
  論文  参考訳（メタデータ） (2024-01-30T06:55:17Z)
• Learning adaptive planning representations with natural language guidance [90.24449752926866]
  本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。 Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
  論文  参考訳（メタデータ） (2023-12-13T23:35:31Z)
• Measuring and Improving Chain-of-Thought Reasoning in Vision-Language Models [61.28463542324576]
  視覚言語モデル(VLM)は近年,人間のような出力を生成できる視覚アシスタントとして,強力な有効性を示している。 我々は、既存の最先端のVLMを評価し、最高の性能モデルでさえ、強力な視覚的推論能力と一貫性を示すことができないことを発見した。 本稿では,VLMの推論性能と一貫性の向上を目的とした2段階トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T17:49:44Z)
• Pragmatics in Language Grounding: Phenomena, Tasks, and Modeling Approaches [28.47300996711215]
  人々は文字通りの言葉以上の意味を豊かにするためにコンテキストに大きく依存します。 人とうまく対話するためには、ユーザー向け人工知能システムは実用的スキルを身につける必要がある。
  論文  参考訳（メタデータ） (2022-11-15T18:21:46Z)
• Context-Aware Language Modeling for Goal-Oriented Dialogue Systems [84.65707332816353]
  我々は、部分的に観察されたマルコフ決定過程としてゴール指向対話を定式化する。 目的を意識して言語モデルを微調整する,シンプルで効果的な手法を考案する。 本研究では,AirDialogue を用いた実践的なフライト予約タスクについて評価する。
  論文  参考訳（メタデータ） (2022-04-18T17:23:11Z)
• Common Language for Goal-Oriented Semantic Communications: A Curriculum Learning Framework [66.81698651016444]
  目標指向タスク実行を実現するための包括的セマンティックコミュニケーションフレームワークを提案する。 カリキュラム学習(CL)と強化学習(RL)を組み合わせた新しいトップダウンフレームワークを提案する。 シミュレーションの結果,提案手法は,学習中の収束時間,タスク実行時間,送信コストにおいて従来のRLよりも優れていた。
  論文  参考訳（メタデータ） (2021-11-15T19:13:55Z)

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。