論文の概要: The Stable Entropy Hypothesis and Entropy-Aware Decoding: An Analysis and Algorithm for Robust Natural Language Generation

• arxiv url: http://arxiv.org/abs/2302.06784v1
• Date: Tue, 14 Feb 2023 02:02:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 16:38:44.752415
• Title: The Stable Entropy Hypothesis and Entropy-Aware Decoding: An Analysis and Algorithm for Robust Natural Language Generation
• Title（参考訳）: 安定エントロピー仮説とエントロピー認識復号:頑健な自然言語生成のための解析とアルゴリズム
• Authors: Kushal Arora, Timothy J. O'Donnell, Doina Precup, Jason Weston, Jackie C.K.Cheung
• Abstract要約: 通常、人間のような世代は狭く、ほぼ平らなエントロピーバンドの中にいる。 これらのエントロピー境界を尊重するエントロピー対応復号アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 59.7381286976957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-of-the-art language generation models can degenerate when applied to open-ended generation problems such as text completion, story generation, or dialog modeling. This degeneration usually shows up in the form of incoherence, lack of vocabulary diversity, and self-repetition or copying from the context. In this paper, we postulate that ``human-like'' generations usually lie in a narrow and nearly flat entropy band, and violation of these entropy bounds correlates with degenerate behavior. Our experiments show that this stable narrow entropy zone exists across models, tasks, and domains and confirm the hypothesis that violations of this zone correlate with degeneration. We then use this insight to propose an entropy-aware decoding algorithm that respects these entropy bounds resulting in less degenerate, more contextual, and "human-like" language generation in open-ended text generation settings.
• Abstract（参考訳）: 最先端の言語生成モデルは、テキスト補完、ストーリー生成、ダイアログモデリングといったオープンエンド世代問題に適用されると退化できる。 この退化は通常、不整合、語彙の多様性の欠如、文脈からの自己反復または複製の形で現れる。 本稿では,「人間のような」世代は通常,狭くほぼ平らなエントロピー帯域に存在し,これらのエントロピー境界の違反は退化挙動と相関することを示した。 実験の結果、この安定な狭くエントロピーゾーンはモデル、タスク、ドメインにまたがって存在し、この領域の違反が退化と相関しているという仮説が実証された。 次に、この知見を用いてエントロピー認識復号アルゴリズムを提案する。エントロピー境界を尊重することで、オープンエンドテキスト生成設定において、より縮退し、より文脈的かつ「人間ライク」な言語生成をもたらす。

関連論文リスト

• Vector-Quantized Prompt Learning for Paraphrase Generation [18.40940464497253]
  本稿では、事前学習されたモデルにインスタンス依存のプロンプトを組み込むことにより、多種多様な高品質なパラフレーズを生成することを提案する。 大規模な実験により,提案手法は3つのベンチマークデータセットに対して新たな最先端結果が得られることを示した。
  論文  参考訳（メタデータ） (2023-11-25T07:13:06Z)
• Generating Sequences by Learning to Self-Correct [64.0249217590888]
  自己補正(Self-Correction)は、不完全な世代を反復的に修正する独立した修正器から不完全なベースジェネレータを分離する。 本稿では,3つの多種多様なタスクにおいて,自己補正がベースジェネレータを改善することを示す。
  論文  参考訳（メタデータ） (2022-10-31T18:09:51Z)
• Why is constrained neural language generation particularly challenging? [13.62873478165553]
  本稿では、制約付きニューラルネットワーク生成の新たな話題について広範な調査を行う。 我々は条件と制約を区別し、制約付きテキスト生成タスクを提示し、制約付きテキスト生成のための既存の方法と評価指標をレビューする。 我々の目標は、この新興分野の最近の進歩とトレンドを強調し、最も有望な方向性と、制約のあるニューラルネットワーク生成研究の最先端への限界を知らせることである。
  論文  参考訳（メタデータ） (2022-06-11T02:07:33Z)
• On the probability-quality paradox in language generation [76.69397802617064]
  我々は情報理論レンズを用いて言語生成を分析する。 人間の言語は自然文字列上の分布のエントロピーに近い量の情報を含むべきであると仮定する。
  論文  参考訳（メタデータ） (2022-03-31T17:43:53Z)
• Reconciling the Discrete-Continuous Divide: Towards a Mathematical Theory of Sparse Communication [0.0]
  離散/連続ハイブリッドのための厳密な理論基盤を構築します。 ハイブリッドシンボルの文字列として「混合言語」と新しい混合重み付き有限状態オートマトンを紹介します。
  論文  参考訳（メタデータ） (2021-04-01T20:31:13Z)
• Lexically-constrained Text Generation through Commonsense Knowledge Extraction and Injection [62.071938098215085]
  我々は、ある入力概念のセットに対して妥当な文を生成することを目的としているcommongenベンチマークに焦点を当てる。 生成したテキストの意味的正しさを高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-19T23:23:40Z)
• Evaluating Factuality in Generation with Dependency-level Entailment [57.5316011554622]
  本稿では,依存弧のレベルで分解するエンテーメントの新たな定式化を提案する。 このデータに基づいて訓練された依存関係弧包含モデルにより,文レベルの手法よりもパラフレーズ化や要約における現実的不整合を識別できることが示されている。
  論文  参考訳（メタデータ） (2020-10-12T06:43:10Z)
• On Long-Tailed Phenomena in Neural Machine Translation [50.65273145888896]
  最先端のニューラルネットワーク翻訳(NMT)モデルは、低周波トークンの生成に苦労する。 条件付きテキスト生成における構造的依存関係にモデルトレーニングを適応させるために,新たな損失関数である反焦点損失を提案する。 提案手法は,複数の機械翻訳(MT)データセットに対して有効であり,クロスエントロピーよりも顕著に向上することを示す。
  論文  参考訳（メタデータ） (2020-10-10T07:00:57Z)

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。