Fugu-MT 論文翻訳(概要): Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction

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

arxiv url: http://arxiv.org/abs/2312.03022v3
Date: Wed, 20 Nov 2024 07:07:41 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-21 16:11:19.066823
Title: Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction
Title（参考訳）: 分離を超えて:知識グラフ構築を改善するためのマルチエージェントのシナジー
Authors: Hongbin Ye, Honghao Gui, Aijia Zhang, Tong Liu, Weiqiang Jia,
Abstract要約: CooperKGCは、知識グラフ構築(KGC)における大規模言語モデル(LLM)の従来の孤立的アプローチに挑戦する新しいフレームワークである。 CooperKGCはコラボレーティブな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チームを組み立てる。
参考スコア（独自算出の注目度）: 6.020016097668138
License:
Abstract: This paper introduces CooperKGC, a novel framework challenging the conventional solitary approach of large language models (LLMs) in knowledge graph construction (KGC). CooperKGC establishes a collaborative processing network, assembling a team capable of concurrently addressing entity, relation, and event extraction tasks. Experimentation demonstrates that fostering collaboration within CooperKGC enhances knowledge selection, correction, and aggregation capabilities across multiple rounds of interactions.
Abstract（参考訳）: 本稿では,知識グラフ構築(KGC)における大規模言語モデル(LLM)の従来の孤立的アプローチに挑戦する新しいフレームワークであるCooperKGCを紹介する。 CooperKGCはコラボレーティブな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チームを組み立てる。実験により、CooperKGC内のコラボレーションを促進することで、複数のラウンドにわたる知識の選択、修正、集約能力が向上することが示された。

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)
Enhancing Cooperation through Selective Interaction and Long-term Experiences in Multi-Agent Reinforcement Learning [10.932974027102619]
本研究では,空間的囚人のジレンマゲームにおけるマルチエージェント強化学習に基づく計算フレームワークを提案する。 2つの異なるQ-ネットを用いて各エージェントをモデル化することにより、協調と相互作用の共進化ダイナミクスを解き放つ。
論文参考訳（メタデータ） (2024-05-04T12:42:55Z)
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)
Learning Reward Machines in Cooperative Multi-Agent Tasks [75.79805204646428]
本稿では,MARL(Multi-Agent Reinforcement Learning)に対する新しいアプローチを提案する。これは、協調的なタスク分解と、サブタスクの構造をコードする報酬機(RM)の学習を組み合わせる。提案手法は、部分的に観測可能な環境下での報酬の非マルコフ的性質に対処するのに役立つ。
論文参考訳（メタデータ） (2023-03-24T15:12:28Z)
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)
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)
Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-10-13T11:51:17Z)
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。