論文の概要: Distinguish Sense from Nonsense: Out-of-Scope Detection for Virtual Assistants

• arxiv url: http://arxiv.org/abs/2301.06544v1
• Date: Mon, 16 Jan 2023 18:10:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 15:30:41.231796
• Title: Distinguish Sense from Nonsense: Out-of-Scope Detection for Virtual Assistants
• Title（参考訳）: 非感覚の区別:仮想アシスタントのスコープ外検出
• Authors: Cheng Qian, Haode Qi, Gengyu Wang, Ladislav Kunc, Saloni Potdar
• Abstract要約: 我々は,仮想アシスタントの現実的な展開において,標準的なOOS検出方法よりも優れた,シンプルで効果的なOOS検出手法を提案する。 実世界のシナリオを再現し、様々な設定で包括的な結果を示すデータセットの集合を提案する。
• 参考スコア（独自算出の注目度）: 12.67328068540046
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Out of Scope (OOS) detection in Conversational AI solutions enables a chatbot to handle a conversation gracefully when it is unable to make sense of the end-user query. Accurately tagging a query as out-of-domain is particularly hard in scenarios when the chatbot is not equipped to handle a topic which has semantic overlap with an existing topic it is trained on. We propose a simple yet effective OOS detection method that outperforms standard OOS detection methods in a real-world deployment of virtual assistants. We discuss the various design and deployment considerations for a cloud platform solution to train virtual assistants and deploy them at scale. Additionally, we propose a collection of datasets that replicates real-world scenarios and show comprehensive results in various settings using both offline and online evaluation metrics.
• Abstract（参考訳）: Conversational AIソリューションにおけるOOS(Out of Scope)検出は、エンドユーザクエリが理解できない場合に、チャットボットが会話を優雅に処理することを可能にする。 クエリをドメイン外として正確にタグ付けすることは、チャットボットがトレーニング済みの既存のトピックとセマンティックオーバーラップしたトピックを処理できないシナリオでは特に難しい。 我々は,仮想アシスタントの現実的な展開において,標準的なOOS検出方法よりも優れた,シンプルで効果的なOOS検出手法を提案する。 仮想アシスタントをトレーニングし,大規模にデプロイするためのクラウドプラットフォームソリューションの設計と展開について検討する。 さらに、実世界のシナリオを再現し、オフラインおよびオンライン評価指標を用いて、様々な設定で包括的な結果を示すデータセットのコレクションを提案する。

関連論文リスト

• Discriminative Spatial-Semantic VOS Solution: 1st Place Solution for 6th LSVOS [68.47681139026666]
  ビデオオブジェクトセグメンテーション(VOS)はコンピュータビジョンにおいて重要な課題である。 現在のVOS法は複雑なシーンと長い物体の動きに苦しむ。 本報告では,空間時空間VOSモデルについて述べる。
  論文  参考訳（メタデータ） (2024-08-29T10:47:17Z)
• Weakly Supervised Test-Time Domain Adaptation for Object Detection [23.89166024655107]
  監視などの応用では、通常は人間のオペレーターがシステムの操作を監督する。 完全自動適応により達成可能な範囲を超えて、オブジェクト検出の性能を高めるために、テスト時間領域適応に演算子を関与させることを提案する。 提案手法は既存の手法よりも優れており, ループ内テスト時間領域適応の優れた利点を示す。
  論文  参考訳（メタデータ） (2024-07-08T04:44:42Z)
• Explicit Visual Prompting for Universal Foreground Segmentations [55.51869354956533]
  我々は,タスク固有の設計を伴わずに,複数の前景セグメンテーションタスクを統一したフレームワークを提案する。 我々は、広く使われている事前学習からインスピレーションを得て、NLPのチューニングプロトコルを高速化する。 本手法は,事前学習したモデルを凍結し,いくつかのパラメータを用いてタスク固有の知識を学習する。
  論文  参考訳（メタデータ） (2023-05-29T11:05:01Z)
• CONSCENDI: A Contrastive and Scenario-Guided Distillation Approach to Guardrail Models for Virtual Assistants [9.912132935716116]
  大きな言語モデル(LLM)をデプロイする際の大きな課題は、タスクに許容できる範囲内で運用することである。 本研究では,シナリオ拡張生成とコントラスト学習例という,2つの重要なコンポーネントによるトレーニングデータを総括的に生成するCONSCENDIを提案する。 CONSCENDIは複数の対話領域におけるベースラインよりも優れたガードレールモデルをもたらす。
  論文  参考訳（メタデータ） (2023-04-27T17:39:11Z)
• Challenges in Visual Anomaly Detection for Mobile Robots [65.53820325712455]
  視覚に基づく自律移動ロボットの異常検出作業について考察する。 関連した視覚異常の種類を分類し,教師なしの深層学習手法で検出する方法について議論する。
  論文  参考訳（メタデータ） (2022-09-22T13:26:46Z)
• Database Search Results Disambiguation for Task-Oriented Dialog Systems [37.36255492341847]
  本稿では,データベース検索結果の曖昧化に着目した新しい課題であるデータベース検索結果(DSR)の曖昧化を提案する。 この課題を研究するために、一般的なタスク指向のダイアログデータセット(MultiWOZとSGD)を拡張し、(a)事前に定義された文法を合成的に生成し、(b)サブセットのための人間のパラフレーズを収集する。 拡張ダイアログデータのトレーニングは、修正されていないターンのパフォーマンスを犠牲にすることなく、曖昧なシナリオに対処するモデルの能力を向上させる。
  論文  参考訳（メタデータ） (2021-12-15T18:56:18Z)
• HIDA: Towards Holistic Indoor Understanding for the Visually Impaired via Semantic Instance Segmentation with a Wearable Solid-State LiDAR Sensor [25.206941504935685]
  HIDAは、固体LiDARセンサを用いた3Dポイントクラウドインスタンスセグメンテーションに基づく軽量補助システムである。 システム全体は,3つのハードウェアコンポーネント,2つの対話的機能(障害物回避とオブジェクト探索),および音声ユーザインタフェースから構成される。 提案した3Dインスタンスセグメンテーションモデルは、ScanNet v2データセットで最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2021-07-07T12:23:53Z)
• A comprehensive solution to retrieval-based chatbot construction [4.807955518532493]
  我々は、未ラベルのチャットログからデプロイされたチャットボットへ読者を連れて行くための、エンドツーエンドのソリューションセットを提示する。 このソリューションセットには、セルフ教師付きデータセットと、チャットログから弱いラベル付きデータセットを作成すること、および、缶詰されたレスポンスの固定リストを選択するための体系的なアプローチが含まれる。 自己教師付きコントラスト学習モデルを使用することで、弱いラベル付きデータセット上でのバイナリクラスとマルチクラス分類モデルのトレーニングに優れることがわかった。
  論文  参考訳（メタデータ） (2021-06-11T02:54:33Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Exploiting Unsupervised Data for Emotion Recognition in Conversations [76.01690906995286]
  会話における感情認識(Emotion Recognition in Conversations:ERC)は、会話における話者の感情状態を予測することを目的としている。 ERCタスクの教師付きデータは限られている。 教師なし会話データを活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-02T13:28:47Z)
• PyODDS: An End-to-end Outlier Detection System with Automated Machine Learning [55.32009000204512]
  PyODDSは、データベースサポート付きアウトレイラ検出のための、エンドツーエンドのPythonシステムである。 具体的には,探索空間を外乱検出パイプラインで定義し,与えられた探索空間内で探索戦略を作成する。 また、データサイエンスや機械学習のバックグラウンドの有無に関わらず、統一されたインターフェイスと視覚化を提供する。
  論文  参考訳（メタデータ） (2020-03-12T03:30:30Z)

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。