論文の概要: To Build Our Future, We Must Know Our Past: Contextualizing Paradigm Shifts in Natural Language Processing

• arxiv url: http://arxiv.org/abs/2310.07715v1
• Date: Wed, 11 Oct 2023 17:59:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 21:19:09.674027
• Title: To Build Our Future, We Must Know Our Past: Contextualizing Paradigm Shifts in Natural Language Processing
• Title（参考訳）: 自然言語処理におけるパラダイムシフトの文脈化
• Authors: Sireesh Gururaja, Amanda Bertsch, Clara Na, David Gray Widder, Emma Strubell
• Abstract要約: 我々は、NLPを文化、インセンティブ、インフラなどの分野として形成する要因について研究する。 インタビュアーは、フィールドにおける循環パターンと、過去の並列性のない新しいシフトを識別する。 我々は、NLPの将来へのビジョン、関心、希望を共有することで結論付ける。
• 参考スコア（独自算出の注目度）: 14.15370310437262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: NLP is in a period of disruptive change that is impacting our methodologies, funding sources, and public perception. In this work, we seek to understand how to shape our future by better understanding our past. We study factors that shape NLP as a field, including culture, incentives, and infrastructure by conducting long-form interviews with 26 NLP researchers of varying seniority, research area, institution, and social identity. Our interviewees identify cyclical patterns in the field, as well as new shifts without historical parallel, including changes in benchmark culture and software infrastructure. We complement this discussion with quantitative analysis of citation, authorship, and language use in the ACL Anthology over time. We conclude by discussing shared visions, concerns, and hopes for the future of NLP. We hope that this study of our field's past and present can prompt informed discussion of our community's implicit norms and more deliberate action to consciously shape the future.
• Abstract（参考訳）: NLPは、我々の方法論、資金源、そして公共の認識に影響を与える破壊的な変化の時期にある。 本研究では,過去をよりよく理解することで,未来をどう形成するかを理解する。 我々は,NLPを文化,インセンティブ,インフラなどの分野として形成する要因について,様々な高齢者,研究領域,施設,社会アイデンティティの26人のNLP研究者に長期インタビューを行った。 インタビュアーは、フィールド内の循環パターンや、ベンチマーク文化やソフトウェアインフラストラクチャの変更など、歴史的な並列性のない新たなシフトを特定します。 この議論を, aclアンソロジーにおける引用, 著者シップ, 言語使用の経時的定量分析によって補完する。 我々は、NLPの将来へのビジョン、関心、希望を共有することで結論付ける。 我々は、この分野の過去と現在に関するこの研究が、我々のコミュニティの暗黙の規範とより意図的な行動について、意識的に未来を形作るためのインフォームドな議論を促すことを望んでいる。

関連論文リスト

• The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
  我々は,NLP研究を構成するものについて,研究論文から定量的に検討する。 以上の結果から,NLPにおける機械学習の関与は,90年代前半から増加傾向にあることが明らかとなった。 2020年以降、言語と人々への関心が復活した。
  論文  参考訳（メタデータ） (2024-09-29T01:29:28Z)
• On Behalf of the Stakeholders: Trends in NLP Model Interpretability in the Era of LLMs [20.589396689900614]
  この記事では、なぜ解釈可能性が必要なのか、どのように解釈されているのか、という3つの根本的な疑問に対処する。 これらの質問を探索することにより、既存の解釈可能性パラダイム、それらの特性、および異なる利害関係者との関係について検討する。 分析の結果,NLP開発者と非開発者ユーザ,および研究分野の相違が明らかとなり,利害関係者の多様なニーズを浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-07-27T08:00:27Z)
• The Call for Socially Aware Language Technologies [94.6762219597438]
  NLPが機能する社会環境の要因、文脈、意味の認識の欠如である。 我々は、NLPが社会意識を発達させる上で大きな課題が残っており、この分野の新しい時代の始まりであると主張している。
  論文  参考訳（メタデータ） (2024-05-03T18:12:39Z)
• The What, Why, and How of Context Length Extension Techniques in Large Language Models -- A Detailed Survey [6.516561905186376]
  大規模言語モデル(LLM)の出現は、自然言語処理(NLP)における顕著なブレークスルーを表している。 本研究では,文脈長の延長に伴う固有の課題について検討し,研究者が採用した既存戦略の概要を整理した。 評価基準について,研究コミュニティ内に合意が存在するか検討し,さらに合意が必要な分野を特定する。
  論文  参考訳（メタデータ） (2024-01-15T18:07:21Z)
• Perspectives on the State and Future of Deep Learning -- 2023 [237.1458929375047]
  このシリーズの目標は、今日の機械学習の分野における意見と問題を、時間とともに変化するにつれて記録することである。 計画では、この調査をAIの特異点であるペーパークリップ・フレンチ駆動の土曜まで定期的に実施し、トピックに関する質問のリストを更新し、各エディションの新たなコミュニティメンバーにインタビューする。
  論文  参考訳（メタデータ） (2023-12-07T19:58:37Z)
• Federated Learning for Generalization, Robustness, Fairness: A Survey and Benchmark [55.898771405172155]
  フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。 我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
  論文  参考訳（メタデータ） (2023-11-12T06:32:30Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• An Inclusive Notion of Text [69.36678873492373]
  テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。 言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
  論文  参考訳（メタデータ） (2022-11-10T14:26:43Z)

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。