論文の概要: Towards Goal-Oriented Agents for Evolving Problems Observed via
Conversation
- arxiv url: http://arxiv.org/abs/2401.05822v1
- Date: Thu, 11 Jan 2024 10:38:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-12 15:17:17.341929
- Title: Towards Goal-Oriented Agents for Evolving Problems Observed via
Conversation
- Title（参考訳）: 対話を通して観察される問題解決のための目標指向エージェントを目指して
- Authors: Michael Free, Andrew Langworthy, Mary Dimitropoulaki, Simon Thompson
- Abstract要約: この研究の目的は、ユーザーと会話することで進化する問題を解決することができるチャットボットを訓練することである。
このシステムは、仮想問題(この場合、単純なゲーム)と、その問題に対するアクションを観察し実行できる自然言語質問に答えられるシミュレーションユーザと、Deep Q-Network(DQN)ベースのチャットボットアーキテクチャで構成されている。
- 参考スコア（独自算出の注目度）: 1.33134751838052
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The objective of this work is to train a chatbot capable of solving evolving
problems through conversing with a user about a problem the chatbot cannot
directly observe. The system consists of a virtual problem (in this case a
simple game), a simulated user capable of answering natural language questions
that can observe and perform actions on the problem, and a Deep Q-Network
(DQN)-based chatbot architecture. The chatbot is trained with the goal of
solving the problem through dialogue with the simulated user using
reinforcement learning. The contributions of this paper are as follows: a
proposed architecture to apply a conversational DQN-based agent to evolving
problems, an exploration of training methods such as curriculum learning on
model performance and the effect of modified reward functions in the case of
increasing environment complexity.
- Abstract（参考訳）: この研究の目的は、チャットボットが直接観察できない問題についてユーザーと会話することで、進化する問題を解決することができるチャットボットを訓練することである。
このシステムは、仮想問題(この場合、単純なゲーム)と、問題に対するアクションを観察し実行できる自然言語質問に答えられるシミュレーションユーザと、Deep Q-Network(DQN)ベースのチャットボットアーキテクチャで構成されている。
このチャットボットは、強化学習を用いてシミュレーションされたユーザとの対話を通じて問題解決を目標として訓練される。
本稿では,DQNをベースとした対話型エージェントを進化的問題に適用するアーキテクチャ,モデル性能に関するカリキュラム学習などの学習手法の探索,環境複雑性の増大にともなう報酬関数の修正の影響について述べる。
関連論文リスト
- Deep Learning Based Amharic Chatbot for FAQs in Universities [0.0]
本稿では,アムハラ語の質問(FAQ)に頻繁に答えるモデルを提案する。
提案プログラムでは, トークン化, 停止語除去, ステーミングを用いて, アムハラ語入力文の分析と分類を行う。
このモデルはFacebook Messengerに統合され、Herokuサーバに24時間のアクセシビリティとしてデプロイされた。
論文 参考訳（メタデータ） (2024-01-26T18:37:21Z) - Creation Of A ChatBot Based On Natural Language Proccesing For Whatsapp [0.0]
本研究の目的は、自然言語処理に基づくチャットボットを開発し、顧客満足度を高め、WhatsAppを通じて企業が提供するサービス品質を向上させることである。
本研究の結果は、カスタマーサービスのための効果的なチャットボットの設計と開発のための確固たる基盤を提供する。
論文 参考訳（メタデータ） (2023-10-10T18:54:15Z) - Beyond Traditional Teaching: The Potential of Large Language Models and
Chatbots in Graduate Engineering Education [0.0]
本稿では,大規模言語モデル(LLM)とチャットボットを大学院工学教育に統合する可能性について検討する。
コース資料から質問バンクを作成し、正確で洞察に富んだ回答を提供するボットの能力を評価する。
数学的な問題解決やコード解釈のためにWolfram Alphaのような強力なプラグインが、ボットの機能を大幅に拡張できることを示す。
論文 参考訳（メタデータ） (2023-09-09T13:37:22Z) - Chat Failures and Troubles: Reasons and Solutions [0.0]
訓練された人工知能(AI)事前訓練モデルの使用をガイドするクローズドループ制御アルゴリズムを使用することが推奨されている。
本稿では,Chatにおける障害やトラブルの原因となるヒューマンロボットインタラクション(HRI)の一般的な問題について検討する。
論文 参考訳（メタデータ） (2023-09-07T13:36:03Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - AI Based Chatbot: An Approach of Utilizing On Customer Service
Assistance [0.0]
このプロジェクトの目的は、複雑な質問や論理的なアウトプットの回答に対応するシステムを開発することである。
最終的な目標は、ユーザ入力(クエスト)に基づいた高品質な結果(回答)を提供することである。
論文 参考訳（メタデータ） (2022-06-18T00:59:10Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳（メタデータ） (2022-05-11T16:01:03Z) - 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) - Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn
Chatbot Responding with Intention [55.77218465471519]
本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。
我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。
本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
論文 参考訳（メタデータ） (2021-03-30T15:24:37Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2020-09-14T08:44:46Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z)
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。