論文の概要: A Major Obstacle for NLP Research: Let's Talk about Time Allocation!
- arxiv url: http://arxiv.org/abs/2211.16858v1
- Date: Wed, 30 Nov 2022 10:00:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 16:49:46.966399
- Title: A Major Obstacle for NLP Research: Let's Talk about Time Allocation!
- Title(参考訳): NLP研究の大きな障害: タイムアロケーションについて話そう!
- Authors: Katharina Kann, Shiran Dudy, Arya D. McCarthy
- Abstract要約: 本稿は、自然言語処理の分野では、私たちよりも成功しなかったことを論じる。
近年,NLP研究において,時間割当が大きな障害となっていることが実証された。
- 参考スコア(独自算出の注目度): 25.820755718678786
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of natural language processing (NLP) has grown over the last few
years: conferences have become larger, we have published an incredible amount
of papers, and state-of-the-art research has been implemented in a large
variety of customer-facing products. However, this paper argues that we have
been less successful than we should have been and reflects on where and how the
field fails to tap its full potential. Specifically, we demonstrate that, in
recent years, subpar time allocation has been a major obstacle for NLP
research. We outline multiple concrete problems together with their negative
consequences and, importantly, suggest remedies to improve the status quo. We
hope that this paper will be a starting point for discussions around which
common practices are -- or are not -- beneficial for NLP research.
- Abstract(参考訳): 自然言語処理(NLP)の分野はここ数年で成長し、カンファレンスはますます大きくなり、大量の論文が出版され、最先端の研究がさまざまな顧客向け製品に実装されている。
しかし,本論文では,我々は以前よりも成功せず,そのポテンシャルを最大限に活用できない場所や方法について考察した。
具体的には,近年,NLP研究において時間割当が大きな障害となっていることを示す。
我々は,その否定的な結果とともに,複数の具体的な問題を概説し,その現状を改善するための対策を提案する。
我々は,この論文が,共通プラクティスがNLP研究にとって有益である(あるいはそうでない)議論の出発点になることを期待している。
関連論文リスト
- Collaboration or Corporate Capture? Quantifying NLP's Reliance on
Industry Artifacts and Contributions [2.921830986717097]
業界アーティファクトの引用とカテゴリーごとのコントリビューションは、業界出版率の少なくとも3倍である。
代替手段がなければ、業界とのコラボレーションは継続するのでしょうか?
NLPフリー調査は民間企業のモチベーションや研究の方向性に捕らわれているか。
論文 参考訳(メタデータ) (2023-12-06T21:12:22Z) - Responsible AI Considerations in Text Summarization Research: A Review
of Current Practices [89.85174013619883]
私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。
我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。
私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
論文 参考訳(メタデータ) (2023-11-18T15:35:36Z) - First Tragedy, then Parse: History Repeats Itself in the New Era of
Large Language Models [50.095366681381556]
私たちは、大きな言語モデルの最初の時代からのガイダンスを探します。
本稿では,スケールの可用性と重要性を形作る上でのハードウェアの進歩の優位性について論じる。
我々は、スケールの格差は過渡的であり、研究者はそれらを減らすために働くことができると論じている。
論文 参考訳(メタデータ) (2023-11-08T21:13:38Z) - A short review of the main concerns in A.I. development and application
within the public sector supported by NLP and TM [0.0]
この研究は、ACM Digital LibraryとIEEE Xploreカンファレンスの手続きで発表された研究論文をレビューした。
目的は、データプライバシ、倫理、解釈可能性、説明可能性、信頼性、公共セクターの公平性に関する洞察を捉えることである。
論文 参考訳(メタデータ) (2023-07-25T11:15:57Z) - Surveying (Dis)Parities and Concerns of Compute Hungry NLP Research [75.84463664853125]
我々は,3つのトピック,すなわち環境影響,株式,およびピアレビューへの影響に関する懸念を定量化するための最初の試みを提供する。
我々は、高齢者、アカデミック、産業に関して、異なるグループと異なるグループ内の既存の(異なる)格差を捉えます。
私たちは、発見された格差を軽減するためのレコメンデーションを考案しました。
論文 参考訳(メタデータ) (2023-06-29T12:44:53Z) - A PhD Student's Perspective on Research in NLP in the Era of Very Large
Language Models [28.01821384651321]
大規模言語モデルの最近の進歩は、多くの生成NLPアプリケーションのデプロイを可能にしている。
この文書は、NLP研究の方向性をまとめたもので、探索に豊富である。
論文 参考訳(メタデータ) (2023-05-21T19:06:30Z) - Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good [115.1507728564964]
NLP4SG Papersは3つのタスクを関連づけた科学データセットである。
これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。
現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
論文 参考訳(メタデータ) (2023-05-09T14:16:25Z) - The Elephant in the Room: Analyzing the Presence of Big Tech in Natural
Language Processing Research [22.002411461970574]
我々は、78,187のNLP出版物と701のNLP出版物の包括的なメタデータを持つコーパスを使用する。
NLP作家の業界における存在感は、過去5年間で急激な増加を前に着実に推移している。
いくつかの企業は出版物の大半を占め、助成金やインターンシップを通じて学術研究者に資金を提供している。
論文 参考訳(メタデータ) (2023-05-04T12:57:18Z) - Geographic Citation Gaps in NLP Research [63.13508571014673]
この研究は、地理的な位置と出版の成功との関係について一連の疑問を呈する。
われわれはまず,ACLアンソロジーから7万件の論文のデータセットを作成し,そのメタ情報を抽出し,引用ネットワークを生成した。
論文の受理や引用において地理的に大きな差異があるだけでなく,出版場所やNLPのサブフィールドなどの変数を制御しても,これらの格差は持続することを示す。
論文 参考訳(メタデータ) (2022-10-26T02:25:23Z) - What Can We Do to Improve Peer Review in NLP? [69.11622020605431]
問題の一部は、レビュアーとエリアチェアが、リンゴとオレンジの比較を強制する未定義のタスクに直面していることだ、と我々は主張する。
先進的な方法はいくつかあるが、NLPコミュニティにおける一貫した実装のためのインセンティブとメカニズムを作成することが重要な課題である。
論文 参考訳(メタデータ) (2020-10-08T09:32:21Z) - Give Me Convenience and Give Her Death: Who Should Decide What Uses of
NLP are Appropriate, and on What Basis? [40.75458460149429]
我々は,NLP研究において,データセットとタスクがオフリミットと見なされるべきかどうかを論じる。
特に、倫理的評価研究におけるデータステートメントの役割に焦点を当てる。
我々は、他の科学分野における同様の議論の結果について検討する。
論文 参考訳(メタデータ) (2020-05-27T07:31:57Z)
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。