論文の概要: Interactive Text Generation

• arxiv url: http://arxiv.org/abs/2303.00908v3
• Date: Sat, 11 Nov 2023 20:43:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 22:16:05.033591
• Title: Interactive Text Generation
• Title（参考訳）: 対話型テキスト生成
• Authors: Felix Faltings and Michel Galley and Baolin Peng and Kiant\'e Brantley and Weixin Cai and Yizhe Zhang and Jianfeng Gao and Bill Dolan
• Abstract要約: 我々は,対話型テキスト生成タスクを導入し,実際のユーザを巻き込むことなく,対話型テキスト生成モデルのトレーニングを可能にする。 我々は、Imitation Learningを用いてインタラクティブモデルをトレーニングし、競合する非インタラクティブな生成モデルに対する実験により、インタラクティブにトレーニングされたモデルは非インタラクティブなモデルよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 75.23894005664533
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Users interact with text, image, code, or other editors on a daily basis. However, machine learning models are rarely trained in the settings that reflect the interactivity between users and their editor. This is understandable as training AI models with real users is not only slow and costly, but what these models learn may be specific to user interface design choices. Unfortunately, this means most of the research on text, code, and image generation has focused on non-interactive settings, whereby the model is expected to get everything right without accounting for any input from a user who may be willing to help. We introduce a new Interactive Text Generation task that allows training generation models interactively without the costs of involving real users, by using user simulators that provide edits that guide the model towards a given target text. We train our interactive models using Imitation Learning, and our experiments against competitive non-interactive generation models show that models trained interactively are superior to their non-interactive counterparts, even when all models are given the same budget of user inputs or edits.
• Abstract（参考訳）: ユーザは毎日、テキスト、画像、コード、その他のエディタと対話する。 しかし、ユーザーとエディタ間の対話性を反映した設定では、機械学習モデルをトレーニングすることは滅多にない。 これは、実際のユーザによるAIモデルのトレーニングが遅くてコストがかかるだけでなく、これらのモデルが学んだことは、ユーザインターフェースの設計選択に特有のものかもしれないため、理解できる。 残念ながらこれは、テキスト、コード、画像生成に関するほとんどの研究が非インタラクティブな設定に焦点を当てていることを意味している。 対象テキストに対してモデルを誘導する編集を提供するユーザシミュレータを用いて,実ユーザを巻き込むことなく,対話的に生成モデルを訓練できる新たな対話型テキスト生成タスクを提案する。 我々は、Imitation Learningを使ってインタラクティブモデルをトレーニングし、競争力のある非インタラクティブ生成モデルに対する実験により、すべてのモデルにユーザー入力や編集の予算が同じであっても、インタラクティブにトレーニングされたモデルは非インタラクティブモデルよりも優れていることを示す。

関連論文リスト

• User-Specific Dialogue Generation with User Profile-Aware Pre-Training Model and Parameter-Efficient Fine-Tuning [2.2859366462875794]
  ユーザ固有の対話は、ペルソナに基づく対話以上の実際のユーザ対話を再現することを目的としている。 対象ユーザの対話履歴を用いた微調整は,ユーザ固有のモデルの効率的な学習方法である。 本稿では,パラメータ効率の良い微調整と事前学習された対話モデルを組み合わせることで,ユーザ固有モデルの学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T01:30:40Z)
• InteractiveVideo: User-Centric Controllable Video Generation with Synergistic Multimodal Instructions [23.536645072596656]
  $textitInteractiveVideo$は、ビデオ生成のためのユーザー中心のフレームワークである。 本稿では,ユーザによるマルチモーダル命令を生成モデルにシームレスに統合するSynergistic Multimodal Instruction機構を提案する。 textitInteractiveVideo$で、ユーザーはビデオの重要な側面を慎重にカスタマイズする柔軟性を与えられる。
  論文  参考訳（メタデータ） (2024-02-05T14:24:46Z)
• Customization Assistant for Text-to-image Generation [40.76198867803018]
  本稿では,新しいモデル設計と新しいトレーニング戦略からなる新しいフレームワークを提案する。 得られたアシスタントは、テストタイムを微調整することなく、2〜5秒でカスタマイズされた生成を行うことができる。
  論文  参考訳（メタデータ） (2023-12-05T16:54:42Z)
• Labeled Interactive Topic Models [10.555664965166232]
  本稿では,ニューラルトピックモデルに対するユーザフレンドリなインタラクションを提案する。 このインタラクションにより、ユーザはトピックにワードラベルを割り当てることが可能になる。 提案手法は人間による研究によって評価され,ユーザが関連する文書を検索するためにトピックを緩和することができる。
  論文  参考訳（メタデータ） (2023-11-15T23:18:01Z)
• Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
  応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。 我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
  論文  参考訳（メタデータ） (2022-10-07T00:09:22Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)
• GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
  Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。 GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
  論文  参考訳（メタデータ） (2021-10-19T18:07:07Z)
• Federated Learning of User Verification Models Without Sharing Embeddings [73.27015469166166]
  Federated User Verification(FedUV)は、ユーザが一連のベクトルを共同で学習し、それらのベクトルの秘密の線形結合とインスタンスの埋め込みの相関を最大化するフレームワークである。 誤り訂正符号の符号語から線形結合を選択することで,組込みベクトルを明かさずに協調的にモデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-04-18T08:51:39Z)
• SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine Teaching [81.45928589522032]
  トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。 タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。 実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
  論文  参考訳（メタデータ） (2020-05-11T17:58:34Z)

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。