Fugu-MT 論文翻訳(概要): Writing Assistants Should Model Social Factors of Language

論文の概要: Writing Assistants Should Model Social Factors of Language

arxiv url: http://arxiv.org/abs/2303.16275v1
Date: Tue, 28 Mar 2023 19:38:57 GMT
ステータス: 処理完了
システム内更新日: 2023-03-30 17:03:33.437310
Title: Writing Assistants Should Model Social Factors of Language
Title（参考訳）: 翻訳アシスタントは言語の社会的要因をモデル化すべきである
Authors: Vivek Kulkarni and Vipul Raheja
Abstract要約: このサブ最適性能と採用の大きな理由は、言語の情報内容にのみ焦点をあてることである、と我々は主張する。我々は、より賢く、より効果的で、真にパーソナライズされたライティングアシスタントを構築するための彼らの取り組みを提案する。
参考スコア（独自算出の注目度）: 5.520605732206285
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Intelligent writing assistants powered by large language models (LLMs) are more popular today than ever before, but their further widespread adoption is precluded by sub-optimal performance. In this position paper, we argue that a major reason for this sub-optimal performance and adoption is a singular focus on the information content of language while ignoring its social aspects. We analyze the different dimensions of these social factors in the context of writing assistants and propose their incorporation into building smarter, more effective, and truly personalized writing assistants that would enrich the user experience and contribute to increased user adoption.
Abstract（参考訳）: 大規模言語モデル(LLM)を利用したインテリジェントな書き込みアシスタントは、これまで以上に人気があるが、その普及はサブ最適性能によって妨げられている。本稿では,この部分最適性能と採用の大きな理由は,その社会的側面を無視しつつ,言語の情報内容にのみ焦点をあてることである,と論じる。我々は,これらの社会的要因の異なる次元を分析し,より賢く,より効果的で,真にパーソナライズされたライティング・アシスタントの構築への統合を提案する。

関連論文リスト

ShifCon: Enhancing Non-Dominant Language Capabilities with a Shift-based Contrastive Framework [79.72910257530795]
ShifConはShiftベースのContrastiveフレームワークで、他の言語の内部の前進プロセスを支配的な言語に合わせる。非支配的な言語の表現を支配的な言語サブスペースに移行し、モデルパラメータにエンコードされた比較的リッチな情報にアクセスできるようにする。実験により、我々のShifConフレームワークは、非支配言語の性能を大幅に向上させることが示された。
論文参考訳（メタデータ） (2024-10-25T10:28:59Z)
Quantifying the Risks of Tool-assisted Rephrasing to Linguistic Diversity [5.077558323327517]
文章アシスタントと大規模言語モデルは、テキストコンテンツの作成に広く利用されている。我々は,このリスクの定量化に向けた第一歩として,表現ツールの使用によって実現された意味的変化と語彙的変化を計測する。
論文参考訳（メタデータ） (2024-10-23T08:42:36Z)
Building Better AI Agents: A Provocation on the Utilisation of Persona in LLM-based Conversational Agents [4.8916211213796394]
本稿では,ユニークなペルソナを付与するCAの理屈と意味を考察することから始める。ペルソナの実装が単に有益であるだけでなく、LCMベースのCAにとって重要なアプリケーションについても検討する。この論文は、ペルソナ統合に対するニュアンスなアプローチの必要性を強調し、起こりうる潜在的な課題と倫理的ジレンマを強調している。
論文参考訳（メタデータ） (2024-05-26T11:36:48Z)
Retroformer: Retrospective Large Language Agents with Policy Gradient Optimization [103.70896967077294]
本稿では,レトロスペクティブモデルを学習することで,大規模言語エージェントを強化するための原則的枠組みを提案する。提案するエージェントアーキテクチャは,事前学習した言語モデルを微調整するために,複数の環境やタスクにまたがる報酬から学習する。様々なタスクの実験結果から、言語エージェントは時間とともに改善することが示された。
論文参考訳（メタデータ） (2023-08-04T06:14:23Z)
When Large Language Models Meet Personalization: Perspectives of Challenges and Opportunities [60.5609416496429]
大規模言語モデルの能力は劇的に改善されている。このような大きな飛躍的なAI能力は、パーソナライゼーションの実施方法のパターンを変えるだろう。大規模言語モデルを汎用インターフェースとして活用することにより、パーソナライズシステムはユーザ要求を計画にコンパイルすることができる。
論文参考訳（メタデータ） (2023-07-31T02:48:56Z)
TalkUp: Paving the Way for Understanding Empowering Language [38.873632974397744]
この研究は言語学と社会心理学の文献から構築され、力のある言語を特徴付けるものを探究する。われわれは、エンパワーメントのためにラベル付けされたRedditの投稿の新しいデータセットをクラウドソースした。予備的な分析では、このデータセットが、エンパワーメントと非エンパワーメント言語をキャプチャする言語モデルをトレーニングするために使用できることを示している。
論文参考訳（メタデータ） (2023-05-23T17:55:34Z)
AI, write an essay for me: A large-scale comparison of human-written versus ChatGPT-generated essays [66.36541161082856]
ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
論文参考訳（メタデータ） (2023-04-24T12:58:28Z)
Toxicity in ChatGPT: Analyzing Persona-assigned Language Models [23.53559226972413]
大規模言語モデル(LLM)は驚くべき能力を示し、自然言語処理(NLP)コミュニティを超越した。一般的な対話型LLMであるChatGPTの50万世代以上で毒性を系統的に評価した。その結果,ChatGPTのシステムパラメータをペルソナに割り当てることで,世代間の毒性が著しく向上することが判明した。
論文参考訳（メタデータ） (2023-04-11T16:53:54Z)
Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文参考訳（メタデータ） (2020-12-29T08:22:48Z)
Semantic Role Labeling Guided Multi-turn Dialogue ReWriter [63.07073750355096]
意味的役割ラベル付け(SRL)を用いて、誰が誰に何をしたかのコアセマンティック情報を強調することを提案する。実験の結果、この情報は従来の最先端システムよりも優れていたRoBERTaベースのモデルを大幅に改善することが示された。
論文参考訳（メタデータ） (2020-10-03T19:50:04Z)

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。