論文の概要: Enhancement of Subjective Content Descriptions by using Human Feedback
- arxiv url: http://arxiv.org/abs/2405.15786v1
- Date: Tue, 30 Apr 2024 19:31:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-02 14:39:48.904585
- Title: Enhancement of Subjective Content Descriptions by using Human Feedback
- Title（参考訳）: 人間のフィードバックによる主観的内容記述の促進
- Authors: Magnus Bender, Tanya Braun, Ralf Möller, Marcel Gehrke,
- Abstract要約: 本稿では,人間による主観的コンテンツ記述のリレーショナル・リレーショナル・リレーショナル・エンハンスメントのためのアプローチであるReFrESHを提案する。
エージェントのユーザは、エージェントに欠陥回答に関するフィードバックを与えることができる。
このフィードバックは、ReFrESHによってSCDを漸進的に更新するために使用される。
- 参考スコア（独自算出の注目度）: 3.8034305806296747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An agent providing an information retrieval service may work with a corpus of text documents. The documents in the corpus may contain annotations such as Subjective Content Descriptions (SCD) -- additional data associated with different sentences of the documents. Each SCD is associated with multiple sentences of the corpus and has relations among each other. The agent uses the SCDs to create its answers in response to queries supplied by users. However, the SCD the agent uses might reflect the subjective perspective of another user. Hence, answers may be considered faulty by an agent's user, because the SCDs may not exactly match the perceptions of an agent's user. A naive and very costly approach would be to ask each user to completely create all the SCD themselves. To use existing knowledge, this paper presents ReFrESH, an approach for Relation-preserving Feedback-reliant Enhancement of SCDs by Humans. An agent's user can give feedback about faulty answers to the agent. This feedback is then used by ReFrESH to update the SCDs incrementally. However, human feedback is not always unambiguous. Therefore, this paper additionally presents an approach to decide how to incorporate the feedback and when to update the SCDs. Altogether, SCDs can be updated with human feedback, allowing users to create even more specific SCDs for their needs.
- Abstract（参考訳）: 情報検索サービスを提供するエージェントは、文書のコーパスで動作することができる。
コーパス内の文書には、主観的コンテンツ記述(SCD)のようなアノテーションが含まれてもよい。
各SCDはコーパスの複数の文に関連付けられ、互いに関係がある。
エージェントは、ユーザから提供されるクエリに応答して、SCDを使用して回答を生成する。
しかし、エージェントが使用するSCDは、他のユーザの主観的な視点を反映する可能性がある。
したがって、SCDはエージェントのユーザに対する認識と正確に一致しないため、答えはエージェントのユーザによって失敗とみなされる可能性がある。
単純で非常にコストのかかるアプローチは、ユーザに対して、すべてのSCDを自分自身で完全に作成するように求めます。
本稿では,人間によるSCDのリレーショナルリレーショナルリレーショナルリレーショナルリレーショナルエンハンスメントであるReFrESHを提案する。
エージェントのユーザは、エージェントに欠陥回答に関するフィードバックを与えることができる。
このフィードバックは、ReFrESHによってSCDを漸進的に更新するために使用される。
しかし、人間のフィードバックは必ずしも明白ではない。
そこで本稿では,フィードバックの取り入れ方やSCDの更新時期についても検討する。
さらに、SCDは人間のフィードバックで更新できるので、ユーザーは必要に応じてさらに特定のSCDを作成できる。
関連論文リスト
- RAG-ConfusionQA: A Benchmark for Evaluating LLMs on Confusing Questions [52.33835101586687]
会話AIエージェントはRetrieval Augmented Generation(RAG)を使用して、ユーザからの問い合わせに対して検証可能なドキュメント地上応答を提供する。
本稿では,与えられた文書コーパスから,文脈に乱れた多様な質問を効率的に生成する,新しい合成データ生成手法を提案する。
論文 参考訳（メタデータ） (2024-10-18T16:11:29Z) - Towards Self-Contained Answers: Entity-Based Answer Rewriting in
Conversational Search [19.147174273221452]
本稿では,利用者が外部サービスや情報源を使わずに理解できるように,CISで回答を書き換える方法について検討する。
最初のコントリビューションとして、正当性のためのエンティティに注釈付けされた会話のデータセットを作成しました。
第2のコントリビューションとして,CIS全体のユーザエクスペリエンス向上を目的とした2つの回答書き直し戦略を提案する。
論文 参考訳（メタデータ） (2024-03-04T05:52:41Z) - One Agent Too Many: User Perspectives on Approaches to Multi-agent
Conversational AI [10.825570464035872]
システムユーザビリティとシステムパフォーマンスの両方において,エージェントオーケストレーションを抽象化する上で,ユーザにとって重要な選択肢があることが示される。
人間の選択した回答の1%以内に評価された質の高い応答を提供できることを実証する。
論文 参考訳（メタデータ） (2024-01-13T17:30:57Z) - Part Representation Learning with Teacher-Student Decoder for Occluded
Person Re-identification [65.63180725319906]
本稿では,隠蔽者ReIDのためのTSD(Teacher-Student Decoder)フレームワークを提案する。
提案するTSDは,Parsing-aware Teacher Decoder (PTD) と標準学生デコーダ (SSD) から構成される。
論文 参考訳（メタデータ） (2023-12-15T13:54:48Z) - "What do others think?": Task-Oriented Conversational Modeling with
Subjective Knowledge [69.46702968979885]
タスク指向対話(TOD)システムは、ユーザが特定の目標を達成するのを支援する対話システムを構築することを目的としている。
従来のTODは、応答を生成するために、ドメイン固有のAPI/DBや外部の事実知識に依存しています。
主観的知識に基づくTOD(SK-TOD)の新しい課題を提案する。
論文 参考訳（メタデータ） (2023-05-20T04:43:26Z) - An Empirical Study On Contrastive Search And Contrastive Decoding For
Open-ended Text Generation [10.359823072178024]
我々は,オープンエンドテキスト生成において,コントラスト検索(CS)とコントラストデコーディング(CD)を実証的に比較した。
CSはMAUVEメートル法ではCDより劣るが、多様性とコヒーレンスメートル法ではCDを大きく上回っている。
人間の注釈はCDよりもCSの方が圧倒的に有利である。
論文 参考訳（メタデータ） (2022-11-19T20:50:26Z) - INSCIT: Information-Seeking Conversations with Mixed-Initiative
Interactions [47.90088587508672]
InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。
ユーザーエージェントは805対人会話から4.7Kである。
対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
論文 参考訳（メタデータ） (2022-07-02T06:18:12Z) - DialFRED: Dialogue-Enabled Agents for Embodied Instruction Following [25.73783062207812]
ALFREDベンチマークに基づく対話型エンボディドインストラクションであるDialFREDを提案する。
53Kのタスク関連質問と回答と,質問に回答するためのオラクルを備えた,人間注釈付きデータセットをリリースする。
論文 参考訳（メタデータ） (2022-02-27T09:50:45Z) - Semantically Self-Aligned Network for Text-to-Image Part-aware Person
Re-identification [78.45528514468836]
ReID(Text-to-image person re-identification)は、テキスト記述を用いて興味のある人物を含む画像を検索することを目的としている。
上記の問題に対処するために,Semantically Self-Aligned Network (SSAN)を提案する。
ICFG-PEDESという新しいデータベースを構築。
論文 参考訳（メタデータ） (2021-07-27T08:26:47Z) - Generalizing Cross-Document Event Coreference Resolution Across Multiple
Corpora [63.429307282665704]
クロスドキュメントイベントコア参照解決(CDCR)は、文書の集合全体にわたってイベントの特定とクラスタ化を行う必要があるNLPタスクである。
CDCRは、下流のマルチドキュメントアプリケーションに利益をもたらすことを目標としているが、CDCRの適用による改善はまだ示されていない。
これまでのCDCRシステムは,1つのコーパスでのみ開発,トレーニング,テストが行われた。
論文 参考訳（メタデータ） (2020-11-24T17:45:03Z)
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。