Fugu-MT 論文翻訳(概要): GD-COMET: A Geo-Diverse Commonsense Inference Model

論文の概要: GD-COMET: A Geo-Diverse Commonsense Inference Model

arxiv url: http://arxiv.org/abs/2310.15383v1
Date: Mon, 23 Oct 2023 22:03:56 GMT
ステータス: 処理完了
システム内更新日: 2023-10-25 21:31:17.467055
Title: GD-COMET: A Geo-Diverse Commonsense Inference Model
Title（参考訳）: GD-COMET:ジオディバースコモンセンス推論モデル
Authors: Mehar Bhatia and Vered Shwartz
Abstract要約: 本稿では,COMETコモンセンス推論モデルのジオディバースバージョンであるGD-COMETを提案する。 GD-COMETは西洋の常識的知識を超え、幅広い文化に関する推論を生成することができる。
参考スコア（独自算出の注目度）: 14.369719297698694
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the increasing integration of AI into everyday life, it's becoming crucial to design AI systems that serve users from diverse backgrounds by making them culturally aware. In this paper, we present GD-COMET, a geo-diverse version of the COMET commonsense inference model. GD-COMET goes beyond Western commonsense knowledge and is capable of generating inferences pertaining to a broad range of cultures. We demonstrate the effectiveness of GD-COMET through a comprehensive human evaluation across 5 diverse cultures, as well as extrinsic evaluation on a geo-diverse task. The evaluation shows that GD-COMET captures and generates culturally nuanced commonsense knowledge, demonstrating its potential to benefit NLP applications across the board and contribute to making NLP more inclusive.
Abstract（参考訳）: 日々の生活にAIが統合されるにつれて、文化的に認識することで、さまざまなバックグラウンドからユーザーを支援するAIシステムを設計することが重要になっています。本稿では,COMETコモンセンス推論モデルのジオディバースバージョンであるGD-COMETを提案する。 GD-COMETは西洋の常識的知識を超え、幅広い文化に関する推論を生成することができる。 GD-COMETの有効性は,5つの異なる文化にまたがる包括的人的評価と,地理多様性課題における外在的評価によって実証される。評価の結果、GD-COMETは文化的に曖昧なコモンセンス知識を捉え、生成し、NLPアプリケーションに利益をもたらす可能性を示し、NLPをより包括的にすることに貢献した。

関連論文リスト

Capturing Bias Diversity in LLMs [1.9685736810241874]
本稿では,Large Language Models (LLMs) の拡張について,その出力の多様性を付加して検討する。性別,年齢,人種など,特定の人口特性のバイアスを反映したGPTモデルの複数のカスタムインスタンスを開発することにより,我々はBiasGPTと呼ぶ,よりニュアンスで代表的なAI対話のためのフレームワークを提案し,開発し,評価する。本稿では、実験を通じて、より包括的なAI技術の可能性を開くことができる様々なバイアスを埋め込むGPTモデルの能力を実証する。
論文参考訳（メタデータ） (2024-10-09T17:07:50Z)
Seeing Eye to AI: Human Alignment via Gaze-Based Response Rewards for Large Language Models [46.09562860220433]
暗黙のフィードバック(特に眼球追跡(ET)データ)をReward Model(RM)に統合する新しいフレームワークであるGazeRewardを紹介します。提案手法は、確立された人間の嗜好データセット上でのRMの精度を大幅に向上させる。
論文参考訳（メタデータ） (2024-10-02T13:24:56Z)
Do Generative AI Models Output Harm while Representing Non-Western Cultures: Evidence from A Community-Centered Approach [8.805524738976073]
本研究では,生成人工知能(GAI)モデル,特にテキスト・ツー・イメージ・ジェネレータ(T2Is)が非西洋文化の表現に与える影響について検討する。
論文参考訳（メタデータ） (2024-07-20T07:01:37Z)
CulturePark: Boosting Cross-cultural Understanding in Large Language Models [63.452948673344395]
本稿では,LLMを利用した文化データ収集のためのマルチエージェント通信フレームワークであるCultureParkを紹介する。人間の信念、規範、習慣をカプセル化した高品質な異文化対話を生成する。我々はこれらのモデルを,コンテンツモデレーション,文化的アライメント,文化教育という3つの下流課題にまたがって評価する。
論文参考訳（メタデータ） (2024-05-24T01:49:02Z)
No Filter: Cultural and Socioeconomic Diversity in Contrastive Vision-Language Models [38.932610459192105]
コントラッシブ・ビジョン言語モデル(VLM)における文化的・社会経済的多様性の研究我々の研究は、より包括的なマルチモーダルシステムを構築するために、多様なデータを使うことの価値を浮き彫りにしている。
論文参考訳（メタデータ） (2024-05-22T16:04:22Z)
Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文参考訳（メタデータ） (2024-02-14T18:16:54Z)
GIVL: Improving Geographical Inclusivity of Vision-Language Models with Pre-Training Methods [62.076647211744564]
我々は地理包摂型視覚・言語事前学習モデルであるGIVLを提案する。 1) 類似のカテゴリにおける概念は独自の知識と視覚的特徴を持ち、2) 類似の視覚的特徴を持つ概念は、全く異なるカテゴリに該当する可能性がある。 GIVLは、同様のスケールのデータを事前訓練した類似サイズのモデルと比較して、最先端のSOTA(State-of-the-art)を達成し、ジオディバースなV&Lタスクにおけるよりバランスの取れたパフォーマンスを実現している。
論文参考訳（メタデータ） (2023-01-05T03:43:45Z)
A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文参考訳（メタデータ） (2022-11-04T09:58:57Z)
Measuring Commonality in Recommendation of Cultural Content: Recommender Systems to Enhance Cultural Citizenship [67.5613995938273]
そこで本稿では,文化内容の特定のカテゴリにおいて,特定のユーザ集団に親しみのあるレコメンデーションの度合いを反映した新しい尺度として,共通性を導入する。以上の結果から,共通性は既存の指標と相補的なシステム行動の特性を捉え,利用者の文化的市民性を高めることを目的としたリコメンデータシステムにおける代替的非個人化介入の必要性が示唆された。
論文参考訳（メタデータ） (2022-08-02T19:14:49Z)
UniDU: Towards A Unified Generative Dialogue Understanding Framework [62.8474841241855]
DUタスク間の情報交換を実現するために,統合された生成対話理解フレームワークであるUniDUについて検討する。我々は,5つの基本課題にまたがる10の対話理解データセットの実験を行う。提案したUniDUフレームワークは5つのタスクすべてにおいてタスク固有のよく設計されたメソッドよりも優れている。
論文参考訳（メタデータ） (2022-04-10T09:32:34Z)

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。