論文の概要: Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction

• arxiv url: http://arxiv.org/abs/2312.03022v2
• Date: Fri, 29 Dec 2023 07:34:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 00:47:02.746554
• Title: Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction
• Title（参考訳）: beyond isolation: ナレッジグラフ構築を改善するマルチエージェントシナジー
• Authors: Hongbin Ye, Honghao Gui, Aijia Zhang, Tong Liu, Wei Hua, Weiqiang Jia
• Abstract要約: 本稿では,知識グラフ構築のための新しいフレームワークであるCooperKGCを紹介する。 CooperKGCは協調処理ネットワークを確立し、エンティティ、リレーション、イベント抽出タスクを同時に処理できるKGCコラボレーションチームを組み立てる。 我々の実験は、CooperKGC内の多様なエージェント間の協調と情報相互作用の促進が、単独で動作している個々の認知プロセスよりも優れた結果をもたらすことを明白に示している。
• 参考スコア（独自算出の注目度）: 10.1305370182537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph construction (KGC) is a multifaceted undertaking involving the extraction of entities, relations, and events. Traditionally, large language models (LLMs) have been viewed as solitary task-solving agents in this complex landscape. However, this paper challenges this paradigm by introducing a novel framework, CooperKGC. Departing from the conventional approach, CooperKGC establishes a collaborative processing network, assembling a KGC collaboration team capable of concurrently addressing entity, relation, and event extraction tasks. Our experiments unequivocally demonstrate that fostering collaboration and information interaction among diverse agents within CooperKGC yields superior results compared to individual cognitive processes operating in isolation. Importantly, our findings reveal that the collaboration facilitated by CooperKGC enhances knowledge selection, correction, and aggregation capabilities across multiple rounds of interactions.
• Abstract（参考訳）: 知識グラフ構築(KGC)は、エンティティ、関係、イベントの抽出を含む多面的な作業である。 伝統的に、大規模言語モデル(llm)はこの複雑な状況において単独のタスク解決エージェントと見なされてきた。 しかし,本稿では,新しいフレームワークである cooperkgc を導入することで,このパラダイムに挑戦する。 従来のアプローチとは別に、CooperKGCは協調処理ネットワークを確立し、エンティティ、リレーショナル、イベント抽出タスクを同時に処理できるKGCコラボレーションチームを構成する。 我々の実験は、CooperKGC内の多様なエージェント間の協調と情報相互作用の促進が、単独で動作している個々の認知プロセスよりも優れた結果をもたらすことを示した。 重要な点として,cooperkgcによるコラボレーションは,複数のインタラクションをまたいだ知識選択,修正,集約能力の向上に寄与することが明らかとなった。

関連論文リスト

• Scaling Large-Language-Model-based Multi-Agent Collaboration [75.5241464256688]
  大規模言語モデルによるエージェントのパイオニア化は、マルチエージェントコラボレーションの設計パターンを暗示している。 神経スケーリング法則に触発された本研究では,マルチエージェント協調におけるエージェントの増加に類似の原理が適用されるかを検討する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Collaborative Team Recognition: A Core Plus Extension Structure [10.842779758836219]
  本研究では,学術的なグラフデータを用いた共同チーム認識と内部パターンの探索に焦点をあてる。 大規模ネットワークにおける協調型チーム認識のための「コア+拡張型」チーム構造を用いた協調型チーム認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-07T07:12:35Z)
• CCA: Collaborative Competitive Agents for Image Editing [59.54347952062684]
  本稿では,CCA(Collaborative Competitive Agents)の新たな生成モデルを提案する。 複数のLarge Language Models (LLM) ベースのエージェントを使って複雑なタスクを実行する。 この論文の主な貢献は、制御可能な中間ステップと反復最適化を備えたマルチエージェントベースの生成モデルの導入である。
  論文  参考訳（メタデータ） (2024-01-23T11:46:28Z)
• QUEST: Query Stream for Practical Cooperative Perception [5.750142092931156]
  本稿では,解釈可能なインスタンスレベルのフレキシブルな機能インタラクションを実現するためのクエリ協調の概念を提案する。 クロスエージェントクエリは、共同認識インスタンスの融合と、個々の未認識インスタンスの補完を通じて対話される。
  論文  参考訳（メタデータ） (2023-08-03T15:06:23Z)
• CORE: Cooperative Reconstruction for Multi-Agent Perception [24.306731432524227]
  COREは概念的にシンプルで効果的でコミュニケーション効率の良い多エージェント協調知覚モデルである。 2つの重要な洞察に基づいて協調的な再建という新たな視点から、この課題に対処する。 大規模マルチエージェントの知覚データセットであるOPV2V上でCOREを検証する。
  論文  参考訳（メタデータ） (2023-07-21T11:50:05Z)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)
• UMC: A Unified Bandwidth-efficient and Multi-resolution based Collaborative Perception Framework [20.713675020714835]
  UMCと呼ばれる統一協調認識フレームワークを提案する。 マルチレゾリューション技術を用いて,コミュニケーション,コラボレーション,再構築プロセスの最適化を図っている。 実験の結果,提案したUTCは,最先端の協調認識手法よりも優れていたことが確認された。
  論文  参考訳（メタデータ） (2023-03-22T09:09:02Z)
• Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
  本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。 このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。 我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
  論文  参考訳（メタデータ） (2023-02-28T14:53:29Z)
• Provably Efficient Cooperative Multi-Agent Reinforcement Learning with Function Approximation [15.411902255359074]
  定常的な通信予算を一定に保っても,ほぼ最適に学習できることを示す。 私たちの仕事は、マルチエージェントコンテキストとマルチアームバンディット文学からMDP、強化学習まで、いくつかのアイデアを一般化します。
  論文  参考訳（メタデータ） (2021-03-08T18:51:00Z)
• Structured Diversification Emergence via Reinforced Organization Control and Hierarchical Consensus Learning [48.525944995851965]
  組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。 scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-02-09T11:46:12Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。

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。