Fugu-MT 論文翻訳(概要): A Mutation-based Text Generation for Adversarial Machine Learning Applications

論文の概要: A Mutation-based Text Generation for Adversarial Machine Learning Applications

arxiv url: http://arxiv.org/abs/2212.11808v1
Date: Wed, 21 Dec 2022 04:57:59 GMT
ステータス: 処理完了
システム内更新日: 2022-12-23 13:51:16.609050
Title: A Mutation-based Text Generation for Adversarial Machine Learning Applications
Title（参考訳）: 逆機械学習アプリケーションのための突然変異に基づくテキスト生成
Authors: Jesus Guerrero, Gongbo Liang and Izzat Alsmadi
Abstract要約: 変異に基づくテキスト生成手法の提案と評価を行った。突然変異演算子の例を示したが、この研究は多くの点で拡張できる。
参考スコア（独自算出の注目度）: 1.5101132008238316
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many natural language related applications involve text generation, created by humans or machines. While in many of those applications machines support humans, yet in few others, (e.g. adversarial machine learning, social bots and trolls) machines try to impersonate humans. In this scope, we proposed and evaluated several mutation-based text generation approaches. Unlike machine-based generated text, mutation-based generated text needs human text samples as inputs. We showed examples of mutation operators but this work can be extended in many aspects such as proposing new text-based mutation operators based on the nature of the application.
Abstract（参考訳）: 多くの自然言語関連アプリケーションは、人間または機械によって作成されたテキスト生成を含む。多くのアプリケーションでは、マシンは人間をサポートするが、他のマシン(例えば、敵対的機械学習、ソーシャルボット、トロル)は人間を偽装しようとする。そこで本研究では,変異に基づくテキスト生成手法の提案と評価を行った。機械ベースの生成テキストとは異なり、突然変異ベースの生成テキストは入力として人間のテキストサンプルを必要とする。突然変異演算子の例を示したが,本研究は,本アプリケーションの性質に基づく新たなテキストベースの突然変異演算子の提案など,多くの面で拡張可能である。

関連論文リスト

RKadiyala at SemEval-2024 Task 8: Black-Box Word-Level Text Boundary Detection in Partially Machine Generated Texts [0.0]
本稿では,与えられたテキストのどの部分が単語レベルで生成されたかを特定するための信頼性の高いアプローチをいくつか紹介する。本稿では,プロプライエタリシステムとの比較,未確認領域におけるモデルの性能,ジェネレータのテキストの比較を行う。その結果,検出能の他の側面との比較とともに,検出精度が著しく向上した。
論文参考訳（メタデータ） (2024-10-22T03:21:59Z)
Detecting Machine-Generated Long-Form Content with Latent-Space Variables [54.07946647012579]
既存のゼロショット検出器は主に、現実世界のドメインシフトに弱いトークンレベルの分布に焦点を当てている。本稿では,イベント遷移などの抽象的要素を機械対人文検出の鍵となる要因として組み込んだ,より堅牢な手法を提案する。
論文参考訳（メタデータ） (2024-10-04T18:42:09Z)
Exploring the Limitations of Detecting Machine-Generated Text [29.06307663406079]
テキストの書き方の違いを判定し,機械が生成したテキストを検出するための分類性能について批判的に検討する。分類器は文体的変化やテキストの複雑さの違いに非常に敏感であることがわかった。さらに,検出システムは,複雑なテキストに対して高い性能を保ちながら,読みやすいテキストを誤分類することが特に考えられる。
論文参考訳（メタデータ） (2024-06-16T21:02:02Z)
Sentiment analysis and random forest to classify LLM versus human source applied to Scientific Texts [0.0]
自動テキスト生成エンジンや人間からのテキストを分類する新しい手法を提案する。 4つの異なる感情レキシコンを使用して、生成された多くの新機能を機械学習ランダムな森林方法論に供給し、そのようなモデルをトレーニングした。結果は、人間がテキストのソースであるはずの環境において、これが詐欺を検知するための有望な研究ラインであることに非常に説得力があるように思える。
論文参考訳（メタデータ） (2024-04-05T16:14:36Z)
Unnatural language processing: How do language models handle machine-generated prompts? [12.00724154801388]
我々は機械生成プロンプトを用いて、自然言語表現を含まない入力に対してモデルがどのように反応するかを探索する。連続的および離散的な機械生成プロンプトに応答する複数の意味的タスクにおいて,異なる大きさのモデルの挙動について検討する。
論文参考訳（メタデータ） (2023-10-24T13:32:20Z)
MAGE: Machine-generated Text Detection in the Wild [82.70561073277801]
大規模言語モデル(LLM)は人間レベルのテキスト生成を実現し、効果的なAI生成テキスト検出の必要性を強調している。我々は、異なるLLMによって生成される多様な人文やテキストからテキストを収集することで、包括的なテストベッドを構築する。問題にもかかわらず、トップパフォーマンス検出器は、新しいLCMによって生成された86.54%のドメイン外のテキストを識別することができ、アプリケーションシナリオの実現可能性を示している。
論文参考訳（メタデータ） (2023-05-22T17:13:29Z)
Being Comes from Not-being: Open-vocabulary Text-to-Motion Generation with Wordless Training [178.09150600453205]
本稿では、ゼロショット学習方式でオフラインのオープン語彙テキスト・トゥ・モーション生成について検討する。 NLPの即時学習にインスパイアされ、マスクされた動きから全動作を再構築する動き生成装置を事前訓練する。本手法では,入力テキストをマスクした動作に再構成することで,動作生成者の動作を再構築する。
論文参考訳（メタデータ） (2022-10-28T06:20:55Z)
Event Transition Planning for Open-ended Text Generation [55.729259805477376]
オープンエンドテキスト生成タスクは、事前コンテキストに制限されたコヒーレントな継続を生成するためにモデルを必要とする。オープンエンドテキスト生成におけるイベントを明示的にアレンジする新しい2段階手法を提案する。我々のアプローチは、特別に訓練された粗大なアルゴリズムとして理解することができる。
論文参考訳（メタデータ） (2022-04-20T13:37:51Z)
Evaluating the Morphosyntactic Well-formedness of Generated Texts [88.20502652494521]
L'AMBRE – テキストのモルフォシンタク的整形性を評価する指標を提案する。形態的に豊かな言語に翻訳するシステムのダイアクロニックスタディを通じて,機械翻訳作業におけるメトリックの有効性を示す。
論文参考訳（メタデータ） (2021-03-30T18:02:58Z)
RoFT: A Tool for Evaluating Human Detection of Machine-Generated Text [25.80571756447762]
われわれはReal or Fake Text (RoFT)を紹介した。本稿では,RoFTを用いたニュース記事の検出結果について述べる。
論文参考訳（メタデータ） (2020-10-06T22:47:43Z)
PALM: Pre-training an Autoencoding&Autoregressive Language Model for Context-conditioned Generation [92.7366819044397]
自己指導型事前学習は、自然言語の理解と生成のための強力な技術として登場した。本研究は,大規模未ラベルコーパス上で自己エンコーディングと自己回帰言語モデルを共同で事前学習する新しいスキームをPALMに提示する。広範な実験により、PALMは様々な言語生成ベンチマークにおいて、新しい最先端の結果を達成することが示されている。
論文参考訳（メタデータ） (2020-04-14T06:25:36Z)

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。