論文の概要: Past Meets Present: Creating Historical Analogy with Large Language Models

• arxiv url: http://arxiv.org/abs/2409.14820v1
• Date: Mon, 23 Sep 2024 08:52:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-06 20:50:08.898379
• Title: Past Meets Present: Creating Historical Analogy with Large Language Models
• Title（参考訳）: 過去 - 大規模言語モデルによる歴史的アナロジーの作成
• Authors: Nianqi Li, Siyu Yuan, Jiangjie Chen, Jiaqing Liang, Feng Wei, Zujie Liang, Deqing Yang, Yanghua Xiao,
• Abstract要約: 本稿では,あるイベントに類推された過去の出来事を収集することを目的とした,歴史的類推獲得タスクに焦点を当てる。 LLMが歴史的類推を生成する際に,幻覚やステレオタイプを緩和する自己回帰法を提案する。
• 参考スコア（独自算出の注目度）: 46.57886941642625
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Historical analogies, which compare known past events with contemporary but unfamiliar events, are important abilities that help people make decisions and understand the world. However, research in applied history suggests that people have difficulty finding appropriate analogies. And previous studies in the AI community have also overlooked historical analogies. To fill this gap, in this paper, we focus on the historical analogy acquisition task, which aims to acquire analogous historical events for a given event. We explore retrieval and generation methods for acquiring historical analogies based on different large language models (LLMs). Furthermore, we propose a self-reflection method to mitigate hallucinations and stereotypes when LLMs generate historical analogies. Through human evaluations and our specially designed automatic multi-dimensional assessment, we find that LLMs generally have a good potential for historical analogies. And the performance of the models can be further improved by using our self-reflection method.
• Abstract（参考訳）: 過去の出来事と現代の出来事を比べた歴史的類推は、人々が決定を下し、世界を理解するのに役立つ重要な能力である。 しかし、応用史の研究は、人々が適切な類推を見つけるのが難しいことを示唆している。 AIコミュニティにおける過去の研究は、歴史的類推も見過ごされている。 このギャップを埋めるために、本稿では、あるイベントの類似した過去の出来事を取得することを目的とした、歴史的類推獲得タスクに焦点を当てる。 本研究では,異なる大言語モデル (LLM) に基づく歴史的類似点の検索と生成手法について検討する。 さらに,LLMが歴史的類推を生成する際に,幻覚やステレオタイプを緩和する自己回帰法を提案する。 人間の評価と, 特別に設計された多次元自動評価により, LLMは歴史的類推に有意な可能性を秘めていることがわかった。 また, 自己回帰法により, モデルの性能をさらに向上させることができる。

関連論文リスト

• BattleAgent: Multi-modal Dynamic Emulation on Historical Battles to Complement Historical Analysis [62.60458710368311]
  本稿では,大規模視覚言語モデルとマルチエージェントシステムを組み合わせたエミュレーションシステムであるBattleAgentを提案する。 複数のエージェント間の複雑な動的相互作用をシミュレートし、エージェントとその環境をシミュレートすることを目的としている。 指導者の意思決定プロセスと、兵士のような一般参加者の視点の両方をエミュレートする。
  論文  参考訳（メタデータ） (2024-04-23T21:37:22Z)
• ParallelPARC: A Scalable Pipeline for Generating Natural-Language Analogies [16.92480305308536]
  複雑な段落に基づくアナロジーを作成するパイプラインを開発する。 我々は人によって検証された金のセットと銀のセットを自動生成する。 私たちは、銀のセットがトレーニングモデルに役立つことを実証します。
  論文  参考訳（メタデータ） (2024-03-02T08:53:40Z)
• AnaloBench: Benchmarking the Identification of Abstract and Long-context Analogies [19.613777134600408]
  アナロジー思考は、人間が創造的な方法で問題を解決することを可能にする。 言語モデル(LM)も同じことができますか? ベンチマークアプローチは、人間に共通するこの能力の側面に焦点を当てます。
  論文  参考訳（メタデータ） (2024-02-19T18:56:44Z)
• PHD: Pixel-Based Language Modeling of Historical Documents [55.75201940642297]
  実史文書に類似した合成スキャンを生成する新しい手法を提案する。 我々は,1700-1900年代における合成スキャンと実際の歴史新聞を組み合わせて,我々のモデルであるPHDを事前訓練した。 我々は、この領域におけるその有用性を強調しながら、我々のモデルを歴史的QAタスクに適用することに成功しました。
  論文  参考訳（メタデータ） (2023-10-22T08:45:48Z)
• StoryAnalogy: Deriving Story-level Analogies from Large Language Models to Unlock Analogical Understanding [72.38872974837462]
  大規模ストーリーレベルの類似語コーパスを構築することにより,類似語を識別・生成する能力を評価する。 textscStory Analogyには、さまざまなドメインから24Kストーリーペアが含まれており、拡張された構造マッピング理論の2つの類似点に人間のアノテーションがある。 我々は、textscStory Analogyのデータは、大言語モデルにおけるアナログ生成の品質を向上させることができることを観察した。
  論文  参考訳（メタデータ） (2023-10-19T16:29:23Z)
• Can language models learn analogical reasoning? Investigating training objectives and comparisons to human performance [0.0]
  我々は、基本的なアナロジー推論を学習するいくつかの方法を試し、特に人間のアナロジー推論を評価するために使われるものよりも典型的なアナロジーに焦点をあてる。 実験の結果,少量のデータであっても,モデルが類似推論を学習できることが判明した。
  論文  参考訳（メタデータ） (2023-10-09T10:34:38Z)
• ANALOGYKB: Unlocking Analogical Reasoning of Language Models with A Million-scale Knowledge Base [51.777618249271725]
  ANALOGYKBは、既存の知識グラフ(KGs)から派生した100万スケールのアナロジー知識ベースである 1)KGから直接抽出できる同一関係のアナロジー、2)大きな言語モデル(LLM)によって実現される選択とフィルタリングパイプラインと識別される類似関係のアナロジーである。
  論文  参考訳（メタデータ） (2023-05-10T09:03:01Z)
• Automatic Item Generation of Figural Analogy Problems: A Review and Outlook [3.486683381782259]
  フィギュラルな類似問題は、人間の知能テストで広く使われている形式である。 近年,データ駆動型AIモデルの開発が進んでいる。 本稿では,ヒューマンインテリジェンステストとデータ駆動型AIモデルの両方において,図形アナロジーの自動生成の重要作業についてレビューする。
  論文  参考訳（メタデータ） (2022-01-20T20:51:10Z)
• A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation [98.25464306634758]
  本稿では,外部知識ベースからのコモンセンス知識を利用して,合理的なストーリーを生成することを提案する。 我々は,真と偽のストーリーを識別するための差別的目的を組み合わせたマルチタスク学習を採用している。 我々のモデルは、特に論理学とグローバルコヒーレンスの観点から、最先端のベースラインよりも合理的なストーリーを生成することができる。
  論文  参考訳（メタデータ） (2020-01-15T05:42:27Z)

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。