Fugu-MT 論文翻訳(概要): RAG-based Crowdsourcing Task Decomposition via Masked Contrastive Learning with Prompts

論文の概要: RAG-based Crowdsourcing Task Decomposition via Masked Contrastive Learning with Prompts

arxiv url: http://arxiv.org/abs/2406.06577v1
Date: Tue, 4 Jun 2024 08:34:19 GMT
ステータス: 処理完了
システム内更新日: 2024-06-17 00:04:06.893811
Title: RAG-based Crowdsourcing Task Decomposition via Masked Contrastive Learning with Prompts
Title（参考訳）: プロンプトを用いたマスク付きコントラスト学習によるRAGベースのクラウドソーシングタスク分解
Authors: Jing Yang, Xiao Wang, Yu Zhao, Yuhang Liu, Fei-Yue Wang,
Abstract要約: 本稿では、自然言語理解の観点からタスク分解(TD)をイベント検出として再認識する、検索強化世代ベースのクラウドソーシングフレームワークを提案する。本稿では,TD (PBCT) のための Prompt-based Contrastive Learning framework を提案する。実験結果は,教師付きおよびゼロショット検出における本手法の競合性を実証した。
参考スコア（独自算出の注目度）: 21.69333828191263
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Crowdsourcing is a critical technology in social manufacturing, which leverages an extensive and boundless reservoir of human resources to handle a wide array of complex tasks. The successful execution of these complex tasks relies on task decomposition (TD) and allocation, with the former being a prerequisite for the latter. Recently, pre-trained language models (PLMs)-based methods have garnered significant attention. However, they are constrained to handling straightforward common-sense tasks due to their inherent restrictions involving limited and difficult-to-update knowledge as well as the presence of hallucinations. To address these issues, we propose a retrieval-augmented generation-based crowdsourcing framework that reimagines TD as event detection from the perspective of natural language understanding. However, the existing detection methods fail to distinguish differences between event types and always depend on heuristic rules and external semantic analyzing tools. Therefore, we present a Prompt-Based Contrastive learning framework for TD (PBCT), which incorporates a prompt-based trigger detector to overcome dependence. Additionally, trigger-attentive sentinel and masked contrastive learning are introduced to provide varying attention to trigger and contextual features according to different event types. Experiment results demonstrate the competitiveness of our method in both supervised and zero-shot detection. A case study on printed circuit board manufacturing is showcased to validate its adaptability to unknown professional domains.
Abstract（参考訳）: クラウドソーシングは社会製造業において重要な技術であり、幅広い複雑なタスクを扱うために、広範囲で無制限な人的資源の貯水池を活用している。これらの複雑なタスクの実行はタスク分解(TD)とアロケーションに依存し、前者は後者の前提条件である。近年,プレトレーニング言語モデル (PLM) に基づく手法が注目されている。しかし、限定的で更新の難しい知識と幻覚の存在を含む固有の制約のため、単純な常識的タスクの処理に制約がある。これらの課題に対処するために,自然言語理解の観点からTDをイベント検出として再認識する,検索強化世代ベースのクラウドソーシングフレームワークを提案する。しかし、既存の検出方法はイベントタイプの違いを区別できず、常にヒューリスティックなルールや外部意味分析ツールに依存している。そこで本研究では,TD (PBCT) のための Prompt-based Contrastive Learning framework を提案する。さらに、トリガー・アテンティブ・センチネルとマスク付きコントラスト学習を導入し、異なるイベントタイプに応じてトリガーとコンテキストの特徴に様々な注意を向ける。実験結果は,教師付きおよびゼロショット検出における本手法の競合性を実証した。印刷基板製造のケーススタディは、未知の専門領域への適応性を検証するために展示されている。

関連論文リスト

TemPrompt: Multi-Task Prompt Learning for Temporal Relation Extraction in RAG-based Crowdsourcing Systems [21.312052922118585]
時間的関係抽出(TRE)は、出来事や行動の進化を把握し、関連するタスクのワークフローを形成することを目的としている。本稿では,TRE(TemPrompt)のためのマルチタスク・プロンプト学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-06-21T01:52:37Z)
Task-Agnostic Detector for Insertion-Based Backdoor Attacks [53.77294614671166]
本稿では,バックドア検出の先駆的手法であるTABDet(Task-Agnostic Backdoor Detector)を紹介する。 TABDetは、最終層ロジットと効率的なプーリング技術を組み合わせて、3つの著名なNLPタスクをまたいだ統一ロジット表現を可能にする。 TABDetは多様なタスク特化モデルから共同で学習し、従来のタスク特化手法よりも優れた検出効率を示す。
論文参考訳（メタデータ） (2024-03-25T20:12:02Z)
Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt [80.43623986759691]
UCADと呼ばれる新しい非教師付き連続異常検出フレームワークを提案する。このフレームワークは、対照的に学習したプロンプトを通じて、UDAに継続的な学習能力を持たせる。我々は総合的な実験を行い、教師なし連続異常検出とセグメンテーションのベンチマークを設定した。
論文参考訳（メタデータ） (2024-01-02T03:37:11Z)
Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。 LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文参考訳（メタデータ） (2023-11-20T14:30:55Z)
Thread of Thought Unraveling Chaotic Contexts [133.24935874034782]
思考のスレッド(ThoT)戦略は、人間の認知プロセスからインスピレーションを得ている。実験では、他のプロンプト技術と比較して、ThoTは推論性能を著しく改善する。
論文参考訳（メタデータ） (2023-11-15T06:54:44Z)
Continual Object Detection via Prototypical Task Correlation Guided Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。 COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文参考訳（メタデータ） (2022-05-06T07:31:28Z)
Shepherd Pre-trained Language Models to Develop a Train of Thought: An Iterative Prompting Approach [30.117038793151004]
プレトレーニング言語モデル(PLM)は、複雑で多段階の推論手順を必要とするタスクを解決するために知識をリコールすることができない。人間がこれらのタスクのために「思考の訓練」を開発するのと同じように、どのようにしてPLMにそのような能力を持たせることができるのか? 本稿では,現在のステップのコンテキスト上で条件付きプロンプトを動的に合成することで,これらの制約に対処する反復型コンテキスト認識プロンプトを提案する。
論文参考訳（メタデータ） (2022-03-16T04:12:20Z)
Learning Cascaded Detection Tasks with Weakly-Supervised Domain Adaptation [44.420874740728095]
本稿では,カスケード検出タスクの構造を利用した弱教師付きドメイン適応設定を提案する。特に、2Dバウンディングボックスを両方のドメインの弱いラベルとして活用しながら、ソースドメインからのみ属性を推測することを学ぶ。実験の結果,提案手法は完全教師付き設定と競合する一方で,教師なし適応手法よりも大きなマージンで優れていた。
論文参考訳（メタデータ） (2021-07-09T16:18:12Z)
Distribution Matching for Heterogeneous Multi-Task Learning: a Large-scale Face Study [75.42182503265056]
マルチタスク学習は、共有学習アルゴリズムによって複数のタスクを共同で学習する方法論として登場した。我々は異種mtlに対処し,検出,分類,回帰問題を同時に解決する。大規模な顔分析のための最初のフレームワークであるFaceBehaviorNetを構築し、すべての顔行動タスクを共同で学習する。
論文参考訳（メタデータ） (2021-05-08T22:26:52Z)
Domain-Robust Visual Imitation Learning with Mutual Information Constraints [0.0]
Disentangling Generative Adversarial Imitation Learning (DisentanGAIL)と呼ばれる新しいアルゴリズムを導入する。本アルゴリズムは,タスクを実行する専門家の高次元観察から自律エージェントを直接学習することを可能にする。
論文参考訳（メタデータ） (2021-03-08T21:18:58Z)

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。