論文の概要: Sentence-level Feedback Generation for English Language Learners: Does
Data Augmentation Help?
- arxiv url: http://arxiv.org/abs/2212.08999v1
- Date: Sun, 18 Dec 2022 03:53:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 16:21:28.461255
- Title: Sentence-level Feedback Generation for English Language Learners: Does
Data Augmentation Help?
- Title(参考訳): 英語学習者のための文レベルのフィードバック生成:データ拡張は役立つか?
- Authors: Shabnam Behzad, Amir Zeldes, Nathan Schneider
- Abstract要約: 文とエラーが広がると、そのタスクはエラーを説明するフィードバックコメントを生成する。
LLMを実験し、タスクのための複数の擬似データセットを作成し、それがシステムの性能に与える影響について検討する。
本研究は,英語学習者を対象としたフィードバックコメント生成における今後の研究を支援することを目的として,作成したコメントの広範な分析とともに,課題に対する結果を示す。
- 参考スコア(独自算出の注目度): 18.30408619963336
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper, we present strong baselines for the task of Feedback Comment
Generation for Writing Learning. Given a sentence and an error span, the task
is to generate a feedback comment explaining the error. Sentences and feedback
comments are both in English. We experiment with LLMs and also create multiple
pseudo datasets for the task, investigating how it affects the performance of
our system. We present our results for the task along with extensive analysis
of the generated comments with the aim of aiding future studies in feedback
comment generation for English language learners.
- Abstract(参考訳): 本稿では,書字学習におけるフィードバックコメント生成の課題に対して,強いベースラインを提示する。
文とエラーが広がると、そのタスクはエラーを説明するフィードバックコメントを生成する。
文とフィードバックのコメントは両方とも英語です。
LLMを実験し、タスクのための複数の擬似データセットを作成し、それがシステムの性能に与える影響について検討する。
本研究は,英語学習者に対するフィードバックコメント生成における今後の研究を支援することを目的として,生成したコメントの広範囲な分析とともに,課題に対する評価結果を示す。
関連論文リスト
- Learning from Emotions, Demographic Information and Implicit User
Feedback in Task-Oriented Document-Grounded Dialogues [59.516187851808375]
FEDIは、人口統計情報、ユーザ感情、暗黙のフィードバックを付加したタスク指向文書地上対話のための最初の英語対話データセットである。
FLAN-T5, GPT-2, LLaMA-2 を用いて行った実験から,これらのデータにより,タスク完了と実際の応答の整合性,ユーザの受容性が改善される可能性が示唆された。
論文 参考訳(メタデータ) (2024-01-17T14:52:26Z) - Evaluation of ChatGPT Feedback on ELL Writers' Coherence and Cohesion [0.7028778922533686]
ChatGPTは、学生が宿題を手伝うために利用し、教師が教育実践に積極的に採用している教育に変革をもたらす。
本研究は,英語学習者(ELL)のエッセイの一貫性と凝集性について,ChatGPTが生み出したフィードバックの質を評価した。
論文 参考訳(メタデータ) (2023-10-10T10:25:56Z) - System-Level Natural Language Feedback [83.24259100437965]
システムレベルの設計決定を人為的なループプロセスで形式化する上で,フィードバックの活用方法を示す。
検索クエリと対話応答生成を改善するために,本手法のケーススタディを2つ実施する。
システムレベルのフィードバックとインスタンスレベルのフィードバックの組み合わせは、さらなる利益をもたらします。
論文 参考訳(メタデータ) (2023-06-23T16:21:40Z) - Fine-Grained Human Feedback Gives Better Rewards for Language Model
Training [108.25635150124539]
言語モデル(LM)は、しばしば偽、有毒、無関係な出力を生成するなど、望ましくないテキスト生成の振る舞いを示す。
本研究では,2つの点において微細な報酬関数から学習と学習を可能にするフレームワークであるFine-Grained RLHFを紹介する。
論文 参考訳(メタデータ) (2023-06-02T17:11:37Z) - Training Language Models with Language Feedback at Scale [50.70091340506957]
我々は、より情報的な言語フィードバックを利用する新しいアプローチであるLanguage Feedback (ILF)から学習を導入する。
ILFは3つのステップから成り、まず言語モデルを入力に条件付けし、最初のLM出力を出力し、改善を生成する。
理論的には、ILFは人間からのフィードバックによる強化学習と同様、ベイズ推論とみなすことができる。
論文 参考訳(メタデータ) (2023-03-28T17:04:15Z) - Error syntax aware augmentation of feedback comment generation dataset [116.73173348201341]
本稿では、2022年のGenChalの共有タスクに対して、フィードバックによるコメント生成を学習に用いたソリューションを提案する。
このタスクは、エラーのあるテキストとエラーのスパンを与えられた場合、システムは、書き手(言語学習者)が書き方を改善するのに役立つ説明メモを生成する。
論文 参考訳(メタデータ) (2022-12-29T12:57:23Z) - Grounding Hindsight Instructions in Multi-Goal Reinforcement Learning
for Robotics [14.863872352905629]
本稿では,自然言語の目標表現に対するスパース報酬を用いたロボット強化学習に焦点を当てた。
まず,専門家のフィードバックを生かした後向きの指示再生機構を提案する。
次に,言語的後見命令を生成するセク2seqモデルを提案する。
論文 参考訳(メタデータ) (2022-04-08T22:01:36Z) - How to Probe Sentence Embeddings in Low-Resource Languages: On
Structural Design Choices for Probing Task Evaluation [82.96358326053115]
構造設計選択に対する探索作業結果の感度について検討する。
我々は、英語で識別する「安定な領域」にある設計選択を多言語で構成した埋め込みを探索する。
私たちは英語の結果が他の言語に移行しないことに気付きます。
論文 参考訳(メタデータ) (2020-06-16T12:37:50Z)
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。