論文の概要: TESS: A Multi-intent Parser for Conversational Multi-Agent Systems with
Decentralized Natural Language Understanding Models
- arxiv url: http://arxiv.org/abs/2312.11828v1
- Date: Tue, 19 Dec 2023 03:39:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 17:11:34.650756
- Title: TESS: A Multi-intent Parser for Conversational Multi-Agent Systems with
Decentralized Natural Language Understanding Models
- Title(参考訳): tess: 分散自然言語理解モデルを用いた対話型マルチエージェントシステムのためのマルチインテントパーサ
- Authors: Burak Aksar, Yara Rizk and Tathagata Chakraborti
- Abstract要約: マルチエージェントシステムは、ユーザ意図の自然言語理解を複雑にする。
本稿では,ユーザからの多目的発話を効率的に解析・オーケストレーションするパイプラインアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 6.470108226184637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chatbots have become one of the main pathways for the delivery of business
automation tools. Multi-agent systems offer a framework for designing chatbots
at scale, making it easier to support complex conversations that span across
multiple domains as well as enabling developers to maintain and expand their
capabilities incrementally over time. However, multi-agent systems complicate
the natural language understanding (NLU) of user intents, especially when they
rely on decentralized NLU models: some utterances (termed single intent) may
invoke a single agent while others (termed multi-intent) may explicitly invoke
multiple agents. Without correctly parsing multi-intent inputs, decentralized
NLU approaches will not achieve high prediction accuracy. In this paper, we
propose an efficient parsing and orchestration pipeline algorithm to service
multi-intent utterances from the user in the context of a multi-agent system.
Our proposed approach achieved comparable performance to competitive deep
learning models on three different datasets while being up to 48 times faster.
- Abstract(参考訳): チャットボットは、ビジネス自動化ツールのデリバリの主要な経路の1つになっています。
マルチエージェントシステムは、チャットボットを大規模に設計するためのフレームワークを提供し、複数のドメインにまたがる複雑な会話を容易にサポートし、開発者が徐々に機能を維持し拡張することができる。
しかしながら、マルチエージェントシステムは、ユーザ意図の自然言語理解(NLU)を複雑にし、特に分散NLUモデルに依存している場合: ある発話(終端シングルインテント)は単一のエージェントを、他の発話(終端マルチインテント)は明示的に複数のエージェントを起動する。
マルチインテント入力を正しく解析しなければ、分散nluアプローチは高い予測精度を達成できない。
本稿では,マルチエージェントシステムのコンテキストにおいて,ユーザからのマルチインテント発話を提供する効率的な解析・オーケストレーションパイプラインアルゴリズムを提案する。
提案手法は,最大48倍高速な3つのデータセット上での競合ディープラーニングモデルに匹敵する性能を達成した。
関連論文リスト
- AgentScope: A Flexible yet Robust Multi-Agent Platform [66.61478569048477]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。
堅牢で柔軟なマルチエージェントアプリケーションを目指して、AgentScopeはビルトインとカスタマイズ可能なフォールトトレランスメカニズムを提供する。
論文 参考訳(メタデータ) (2024-02-21T04:11:28Z) - An Interactive Agent Foundation Model [50.50659114031731]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - SpeechAgents: Human-Communication Simulation with Multi-Modal
Multi-Agent Systems [53.94772445896213]
大規模言語モデル(LLM)に基づくマルチエージェントシステムは,人間の社会をシミュレートする上で有望な性能を示した。
本研究では,マルチモーダルLLMに基づくマルチエージェントシステムであるSpeechAgentsを提案する。
論文 参考訳(メタデータ) (2024-01-08T15:01:08Z) - AutoAgents: A Framework for Automatic Agent Generation [27.74332323317923]
AutoAgentsは、さまざまなタスクに応じてAIチームを構築するために、複数の専門エージェントを適応的に生成し、コーディネートする革新的なフレームワークである。
各種ベンチマーク実験により,AutoAgentsは既存のマルチエージェント手法よりも一貫性と正確な解を生成することが示された。
論文 参考訳(メタデータ) (2023-09-29T14:46:30Z) - Agents: An Open-source Framework for Autonomous Language Agents [98.91085725608917]
我々は、言語エージェントを人工知能への有望な方向と見なしている。
Agentsはオープンソースライブラリで、これらの進歩を広く非専門的な聴衆に開放することを目的としています。
論文 参考訳(メタデータ) (2023-09-14T17:18:25Z) - MADiff: Offline Multi-agent Learning with Diffusion Models [82.59166059130702]
拡散モデル(DM)は,最近オフライン強化学習を含む様々なシナリオで大きな成功を収めている。
この問題に対処する新しい生成型マルチエージェント学習フレームワークであるMADiffを提案する。
本実験は,マルチエージェント学習タスクにおけるベースラインアルゴリズムと比較して,MADiffの優れた性能を示す。
論文 参考訳(メタデータ) (2023-05-27T02:14:09Z) - MULTI3NLU++: A Multilingual, Multi-Intent, Multi-Domain Dataset for
Natural Language Understanding in Task-Oriented Dialogue [115.32009638844059]
英語のみのNLU++データセットを拡張して、手動による翻訳を高、中、低リソース言語に含めます。
Multi3NLU++はそのマルチインテント特性のため、複雑で自然なユーザ目標を表現している。
我々はMulti3NLU++を用いて、インテント検出やスロットラベリングといった自然言語理解タスクに対して、最先端の多言語モデルをベンチマークする。
論文 参考訳(メタデータ) (2022-12-20T17:34:25Z) - Message-Aware Graph Attention Networks for Large-Scale Multi-Robot Path
Planning [12.988435681305281]
グラフニューラルネットワーク(GNN)は、分散マルチエージェントシステムにおける通信ポリシの学習能力から人気を集めている。
我々は、メッセージ依存の注意を喚起するための新しいメカニズムを取り入れることで、GNNをマルチエージェントパス計画に活用する以前の作業を拡張した。
我々のメッセージ対応グラフ注意neTwork(MAGAT)は、近隣のロボットから受信したメッセージにおける特徴の相対的重要性を決定するキークエリライクなメカニズムに基づいている。
論文 参考訳(メタデータ) (2020-11-26T10:37:13Z) - LPar -- A Distributed Multi Agent platform for building Polyglot, Omni
Channel and Industrial grade Natural Language Interfaces [0.299146123420045]
本稿では,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介する。
現在のデプロイメントは、基盤となるConversational AIプラットフォーム(オープンソースまたは商用)に大きく依存する傾向がある。
これらの課題に対処するため,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介した。
論文 参考訳(メタデータ) (2020-06-25T19:20:07Z)
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。