Fugu-MT 論文翻訳(概要): Comment on paper: Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems

論文の概要: Comment on paper: Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems

arxiv url: http://arxiv.org/abs/2406.09441v1
Date: Tue, 11 Jun 2024 23:14:19 GMT
ステータス: 処理完了
システム内更新日: 2024-06-17 17:54:01.940144
Title: Comment on paper: Position: Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems
Title（参考訳）: 論文へのコメント: 位置: 大規模トラベリングセールスマン問題の解決のためのポストホック検索に基づくニューラルアプローチの再考
Authors: Yimeng Min,
Abstract要約: 我々はSoftDistの論文(Xia et al.)の2つの主要な問題を特定する。同じハードウェア環境で異なるベースラインのすべてのステップを実行することの失敗と、一貫性のない時間測定の使用は、欠陥のある結論につながる。すべてのステップが同じハードウェア環境で実行される場合、SoftDistの主要なクレームはもはやサポートされない。
参考スコア（独自算出の注目度）: 3.607883549126603
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We identify two major issues in the SoftDist paper (Xia et al.): (1) the failure to run all steps of different baselines on the same hardware environment, and (2) the use of inconsistent time measurements when comparing to other baselines. These issues lead to flawed conclusions. When all steps are executed in the same hardware environment, the primary claim made in SoftDist is no longer supported.
Abstract（参考訳）: 我々は,SoftDistの論文(Xia et al )において,(1)異なるベースラインのすべてのステップを同じハードウェア環境で実行できないこと,(2)他のベースラインとの比較において不整合時間測定を使用すること,の2つの主要な課題を識別する。これらの問題は欠点のある結論に繋がる。すべてのステップが同じハードウェア環境で実行される場合、SoftDistの主要なクレームはもはやサポートされない。

関連論文リスト

Can Large Language Models Always Solve Easy Problems if They Can Solve Harder Ones? [65.43882564649721]
大きな言語モデル(LLM)は印象的な機能を示しているが、それでも矛盾する問題に悩まされている。我々はConsisEvalベンチマークを開発し、各エントリは厳密な難易度で2つの質問から構成される。相対的整合性スコアによる整合性向上の可能性を分析する。
論文参考訳（メタデータ） (2024-06-18T17:25:47Z)
Fact Checking Beyond Training Set [64.88575826304024]
本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
論文参考訳（メタデータ） (2024-03-27T15:15:14Z)
Fake Alignment: Are LLMs Really Aligned Well? [91.26543768665778]
本研究では,複数質問とオープンエンド質問の相違点について検討した。ジェイルブレイク攻撃パターンの研究にインスパイアされた我々は、これが不一致の一般化によって引き起こされたと論じている。
論文参考訳（メタデータ） (2023-11-10T08:01:23Z)
Equivariant Deep Weight Space Alignment [54.65847470115314]
本稿では,ウェイトアライメント問題を解決するための学習を目的とした新しいフレームワークを提案する。まず、重み調整が2つの基本対称性に一致することを証明し、それからこれらの対称性を尊重する深いアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-10-20T10:12:06Z)
SWE-bench: Can Language Models Resolve Real-World GitHub Issues? [80.52201658231895]
SWE-benchは、実際のGitHub問題から引き出された2,294ドルのソフトウェアエンジニアリング問題と、人気のあるPythonリポジトリ12ドルのプルリクエストで構成される評価フレームワークである。我々は、最先端のプロプライエタリモデルと微調整モデルSWE-Llamaの両方が、最も単純な問題だけを解決できることを示します。
論文参考訳（メタデータ） (2023-10-10T16:47:29Z)
On graph-based reentrancy-free semantic parsing [5.228711636020665]
本論文では,2つの課題を解消する意味解析のためのグラフベースの手法を提案する。 MAP推論と潜在タグアンカリング(弱教師付き学習が要求される)の両方がNPハード問題であることを示す。本稿では,制約平滑化と条件勾配に基づく2つの最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-02-15T14:14:09Z)
DSI++: Updating Transformer Memory with New Documents [95.70264288158766]
DSI++は、DSIが新たなドキュメントをインクリメンタルにインデクシングするための継続的な学習課題である。新たな文書の連続的な索引付けは,それまでの索引付け文書をかなり忘れてしまうことを示す。文書の擬似クエリをサンプルとして生成メモリを導入し、連続的なインデックス付け中に補足することで、検索タスクの忘れを防止する。
論文参考訳（メタデータ） (2022-12-19T18:59:34Z)
D2S: Document-to-Slide Generation Via Query-Based Text Summarization [27.576875048631265]
我々は、最近のNLPおよびMLカンファレンスの論文とそれに対応するスライドデッキからなる新しいデータセット、SciDuetをコントリビュートする。第2に,文書からスライドまでのタスクに2段階のアプローチで取り組む新しいシステムD2Sを提案する。私たちの評価は、長期形式のQAは、自動化されたROUGEメトリクスと定性的な人間評価の両方の最先端の要約ベースラインを上回ることを示唆しています。
論文参考訳（メタデータ） (2021-05-08T10:29:41Z)
InsertionNet -- A Scalable Solution for Insertion [0.6947442090579469]
複雑な組み立てプロセスは、握りと挿入の2つの主要なアクティビティのシーケンスとして記述できる。先行知識(例えばLfDや残留ポリシー)を持つ最近のRLアプローチが採用されている。本稿では,この課題を回帰問題として定式化する。視覚入力と力入力を組み合わせることで,16種類の挿入タスクに10分未満でスケールできることを実証した。
論文参考訳（メタデータ） (2021-04-29T09:21:17Z)
The Scheduling Job-Set Optimization Problem: A Model-Based Diagnosis Approach [0.0]
本稿では,特定の(時間的)目標を達成するために,捨てるか延期するかという問題に対処する2つの新しい問題を紹介する。診断問題との類似点が多いが,重要な慣用性も明らかである。良く知られたスケジューリングベンチマークスイートによる産業規模の問題インスタンスに対する概念実証評価は、この2つの形式化された問題の1つが、アウト・オブ・ボックスのモデルベース診断ツールによって適切に攻撃可能であることを実証している。
論文参考訳（メタデータ） (2020-09-23T13:38:36Z)

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。