Fugu-MT 論文翻訳(概要): Technical Report: Unresolved Challenges and Potential Features in EATXT

論文の概要: Technical Report: Unresolved Challenges and Potential Features in EATXT

arxiv url: http://arxiv.org/abs/2312.10250v1
Date: Fri, 15 Dec 2023 22:45:17 GMT
ステータス: 処理完了
システム内更新日: 2023-12-19 17:52:38.998018
Title: Technical Report: Unresolved Challenges and Potential Features in EATXT
Title（参考訳）: テクニカルレポート: eatxt の未解決の課題と可能性
Authors: Weixing Zhang, J\"org Holtmann
Abstract要約: この文書は、EATXTに追加される可能性のある潜在的な高度な機能を記述する技術的レポートである。本報告の目的は、関連する技術的課題の理解を共有し、潜在的に関心のある仲間を支援することである。
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: We developed a textual concrete syntax and a textual editor that supports it for the domain-specific language EAST-ADL, which we named EATXT. This document is a technical report that describes potential advanced features that could be added to EATXT that have not yet been implemented. The purpose of this report is to share our understanding of the relevant technical challenges and to assist potentially interested peers.
Abstract（参考訳）: EATXT というドメイン固有言語 EAST-ADL をサポートするテキスト具体的な構文とテキストエディタを開発した。この文書は、まだ実装されていないEATXTに追加される可能性のある潜在的な高度な機能を記述する技術的レポートである。本報告の目的は、関連する技術的課題の理解を共有し、潜在的に関心のある仲間を支援することである。

関連論文リスト

EATXT: A textual concrete syntax for EAST-ADL [5.34855193340848]
本稿では,EAST-ADLを用いた自動車アーキテクチャモデリング用エディタであるEATXTを紹介する。 EATXTエディタはXtextをベースにしており、コンテンツアシストやシリアライゼーションの改善など、基本的な機能と高度な機能を提供している。本稿では, 編集機能とアーキテクチャ, 実装アプローチ, EATXT の以前の利用について述べる。
論文参考訳（メタデータ） (2024-07-13T14:05:21Z)
Extracting and Encoding: Leveraging Large Language Models and Medical Knowledge to Enhance Radiological Text Representation [31.370503681645804]
自由テキストラジオグラフィーレポートから高品質な事実文を抽出するための新しい2段階フレームワークを提案する。我々のフレームワークには胸部X線テキスト生成システムを評価するための新しい埋め込みベースのメトリクス(CXRFE)も含まれている。
論文参考訳（メタデータ） (2024-07-02T04:39:19Z)
TechGPT-2.0: A large language model project to solve the task of knowledge graph construction [31.638140593358433]
TechGPT-2.0は知識グラフ構築タスクにおける大規模言語モデルの能力を高めるために設計されたプロジェクトである。特に医学や法律の分野において、堅牢なテキスト処理能力を示す。 TechGPT-2.0はHuaweiのAscendサーバでトレーニングされている。
論文参考訳（メタデータ） (2024-01-09T11:52:58Z)
A Benchmark for Text Expansion: Datasets, Metrics, and Baselines [87.47745669317894]
本研究はテキスト拡張(TE)の新たな課題として,平文の適切な位置に細粒度修飾子を挿入することを目的とする。補完的な4つのアプローチを活用して、1200万の自動生成インスタンスと2Kの人間注釈付き参照を持つデータセットを構築します。事前訓練されたテキストインフィルモデルの上にパイプラインと共同でLocate&Infillモデルを構築し、Text2Textベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2023-09-17T07:54:38Z)
TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文参考訳（メタデータ） (2023-06-06T03:37:41Z)
Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning [51.90524745663737]
重要なイノベーションは、機能として説明を使用することで、下流タスクにおけるGNNのパフォーマンス向上に利用できます。提案手法は、確立されたTAGデータセットの最先端結果を実現する。本手法はトレーニングを著しく高速化し,ogbn-arxivのベースラインに最も近い2.88倍の改善を実現した。
論文参考訳（メタデータ） (2023-05-31T03:18:03Z)
Automated Audio Captioning: an Overview of Recent Progress and New Challenges [56.98522404673527]
自動音声キャプションは、与えられた音声クリップの自然言語記述を生成することを目的とした、モーダル横断翻訳タスクである。本稿では、既存の様々なアプローチから評価指標やデータセットまで、自動音声キャプションにおけるコントリビューションの総合的なレビューを行う。
論文参考訳（メタデータ） (2022-05-12T08:36:35Z)
CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities [92.79451009324268]
我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
論文参考訳（メタデータ） (2022-01-18T07:51:57Z)
IGA : An Intent-Guided Authoring Assistant [37.98368621931934]
我々は、言語モデリングの進歩を活用して、著者仕様に従ってテキストを生成し、言い換えるインタラクティブな書き込みアシスタントを構築する。 Intent-Guided Assistant (IGA)への入力は、特定の修辞的な指示に対応するタグが散在するテキスト形式で提供される。我々は、データセットでラベル付けされた著者意図で言語モデルを微調整し、IGAがこれらのタグに生成したテキストを埋めて、ユーザが自分の好きなように編集できるようにする。
論文参考訳（メタデータ） (2021-04-14T17:32:21Z)
Enabling Language Models to Fill in the Blanks [81.59381915581892]
文書中の任意の位置にあるテキストの欠落を予測するタスクである,テキストを埋め込むためのシンプルなアプローチを提案する。我々は、人工的にマスキングされたテキストと隠蔽されたテキストの連結を含むシーケンスに基づいて、オフザシェルフ言語モデル(またはファインチューン)を訓練する。言語モデリングにより,この手法により,3つの分野(短編,科学的な要約,歌詞)において,LMが文全体を効果的に埋め込むことができることを示す。
論文参考訳（メタデータ） (2020-05-11T18:00:03Z)
Towards Discourse Parsing-inspired Semantic Storytelling [0.8974184539413771]
セマンティックストーリーテリングに関する長期的なビジョンを概説し、現在の概念的および技術的なアプローチについて説明する。長期的な目標の1つは、幅広いカバレッジを持ち、さらに堅牢なセマンティックストーリーテリングのアプローチを開発することである。
論文参考訳（メタデータ） (2020-04-25T17:09:56Z)

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。