Fugu-MT 論文翻訳(概要): @ve: A Chatbot for Latin

論文の概要: @ve: A Chatbot for Latin

arxiv url: http://arxiv.org/abs/2311.14741v1
Date: Wed, 22 Nov 2023 09:06:11 GMT
ステータス: 処理完了
システム内更新日: 2023-12-03 13:27:37.288548
Title: @ve: A Chatbot for Latin
Title（参考訳）: @ve:ラテン文字のチャットボット
Authors: Oliver Bendel and Karim N'diaye
Abstract要約: 本稿では,プロジェクト@veの準備と実装について述べる。 2022/2023年にGPT-3.0に基づいて開発され、手動で作成した知識ベースを備えていた。訳注:@veはラテン語を教えるための新しいツールだ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Dead, extinct, and endangered languages have been preserved primarily through audio conservation and the collection and digitization of scripts and have been promoted through targeted language acquisition efforts. Another possibility would be to build conversational agents that can master these languages. This would provide an artificial, active conversational partner which has knowledge of the vocabulary and grammar, and one learns with it in a different way. The chatbot @ve, with which one can communicate in Latin, was developed in 2022/2023 based on GPT-3.0. It was additionally equipped with a manually created knowledge base. After conceptual groundwork, this paper presents the preparation and implementation of the project. In addition, it summarizes the test that a Latin expert conducted with the chatbot. A critical discussion elaborates advantages and disadvantages. @ve could be a new tool for teaching Latin in a memorable and entertaining way through dialogue. However, the present implementation is still too prone to glitches for stand-alone use - i.e., without the accompaniment of a teacher. The use of GPT-4 could be a solution as well as the extension of the knowledge base. In conclusion, it can be argued that conversational agents are an innovative approach to promoting and preserving languages.
Abstract（参考訳）: 死語、絶滅語、絶滅危惧言語は、主に音声の保存とスクリプトの収集とデジタル化によって保存され、ターゲット言語獲得の取り組みを通じて促進されてきた。もう一つの可能性は、これらの言語をマスターできる会話エージェントを構築することである。これは、語彙と文法の知識を持ち、異なる方法で学習する人工的でアクティブな会話パートナーを提供する。ラテン語でコミュニケーションできるチャットボット@veは、GPT-3.0に基づいて2022/2023年に開発された。また、手作業による知識ベースも備えていた。概念的基礎研究の後,本稿ではプロジェクトの準備と実施について述べる。さらに、ラテンの専門家がチャットボットで行ったテストも要約している。批判的な議論は長所と短所を詳述する。 veは、対話を通じて記憶に残る楽しい方法でラテン語を教えるための新しいツールになるかもしれない。しかし、現在の実装は、スタンドアロンのusei.eの不具合に陥りやすい。教師の伴奏なしに GPT-4の使用は、知識ベースの拡張と同様にソリューションになり得る。結論として、会話エージェントは言語を促進・保存するための革新的なアプローチであると言える。

関連論文リスト

BotChat: Evaluating LLMs' Capabilities of Having Multi-Turn Dialogues [72.65163468440434]
本報告では,人間型マルチターンチャットのための既存大規模言語モデルの予備的評価を行う。そこで我々は,ChatSEEDに基づくマルチターン対話を発話によって生成する大規模言語モデル(LLM)を提案する。 GPT-4は優れた品質の人型多元対話を生成できるが、その性能は著しく上回っている。
論文参考訳（メタデータ） (2023-10-20T16:53:51Z)
Curriculum-Driven Edubot: A Framework for Developing Language Learning Chatbots Through Synthesizing Conversational Data [23.168347070904318]
本稿では,チャットボットの対話的特徴と英語教科書の体系的素材を組み合わせたチャットボットを開発するためのフレームワークであるCurriculum-Driven EduBotを紹介する。まず、教科書から関連するトピックを抽出し、大きな言語モデルを用いてこれらのトピックに関連する対話を生成する。
論文参考訳（メタデータ） (2023-09-28T19:14:18Z)
How many words does ChatGPT know? The answer is ChatWords [5.906689377130112]
ChatGPTと類似のAIツールのパフォーマンスを評価することは、さまざまな観点から検討されている複雑な問題である。任意の単語集合のChatGPT知識を評価する自動テストシステムであるChatWordsの取り組みに貢献する。その結果,ChatGPTは辞書中の単語の約80%とクイホーテ語の単語の90%しか認識できないことがわかった。
論文参考訳（メタデータ） (2023-09-28T18:13:02Z)
AmadeusGPT: a natural language interface for interactive animal behavioral analysis [65.55906175884748]
動作の自然言語記述をマシン実行可能なコードに変換する自然言語インタフェースであるAmadeusGPTを紹介する。 MABE 2022の動作課題タスクで最先端のパフォーマンスを実現できることを示す。アマデウスGPTは、深い生物学的知識、大規模言語モデル、そしてコアコンピュータビジョンモジュールをより自然に知的なシステムに統合する新しい方法を提示している。
論文参考訳（メタデータ） (2023-07-10T19:15:17Z)
ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large Language Models in Multilingual Learning [70.57126720079971]
大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
論文参考訳（メタデータ） (2023-04-12T05:08:52Z)
On the Educational Impact of ChatGPT: Is Artificial Intelligence Ready to Obtain a University Degree? [0.0]
大学教育におけるChatGPTの効果を評価する。コンピュータサイエンスの高等教育は、ChatGPTのようなツールにどのように適応すべきかについて議論する。
論文参考訳（メタデータ） (2023-03-20T14:27:37Z)
Scheduled Multi-task Learning for Neural Chat Translation [66.81525961469494]
ニューラルチャット翻訳(NCT)のためのマルチタスク学習フレームワークを提案する。具体的には、大規模なドメイン内チャット翻訳データをトレーニングに組み込むための3段階のトレーニングフレームワークを考案する。提案手法の有効性と優越性を検証するために, 4言語方向の広範囲な実験を行った。
論文参考訳（メタデータ） (2022-05-08T02:57:28Z)
Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文参考訳（メタデータ） (2021-10-15T14:36:45Z)
Introducing the Talk Markup Language (TalkML):Adding a little social intelligence to industrial speech interfaces [0.0]
自然言語の理解は、AI研究の最も残念な失敗の1つだ。本稿では、他の分野からアイデアを取り入れて実装した方法について述べる。
論文参考訳（メタデータ） (2021-05-24T14:25:35Z)
Lifelong Knowledge Learning in Rule-based Dialogue Systems [10.229787631112742]
本稿では,ルールベースのチャットボットにそのような学習機能を組み込むことにより,ユーザとのチャットにおいて,新たな知識を継続的に獲得することを提案する。多くの実環境にデプロイされたチャットボットはルールベースであるため、この作業は有用である。
論文参考訳（メタデータ） (2020-11-19T13:33:12Z)
The Adapter-Bot: All-In-One Controllable Conversational Model [66.48164003532484]
本稿では、DialGPTなどの固定バックボーンモデルを用いて、異なるアダプタを介してオンデマンド対話スキルをトリガーする対話モデルを提案する。スキルに応じて、モデルはテキスト、テーブル、強調応答などの複数の知識タイプを処理できる。我々は,既存の会話モデルと比較し,自動評価を用いたモデルの評価を行った。
論文参考訳（メタデータ） (2020-08-28T10:59:31Z)

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。