論文の概要: Improving Cooperation in Language Games with Bayesian Inference and the Cognitive Hierarchy

• arxiv url: http://arxiv.org/abs/2412.12409v1
• Date: Mon, 16 Dec 2024 23:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 13:57:41.343905
• Title: Improving Cooperation in Language Games with Bayesian Inference and the Cognitive Hierarchy
• Title（参考訳）: ベイズ推論と認知階層による言語ゲームにおける協調性の向上
• Authors: Joseph Bills, Christopher Archibald, Diego Blaylock,
• Abstract要約: 言語ゲームでは、失敗は発話の意味論または実用論の理解の相違による可能性がある。 言語モデルの事前分布を用いて意味論における粗い不確かさをモデル化し、認知階層を用いて実用論における不確かさをモデル化する。 あらゆる形の不確実性を扱うために、ベイズ推論を用いてパートナーの振る舞いを学ぶエージェントを構築する。
• 参考スコア（独自算出の注目度）: 0.8149787238021642
• License:
• Abstract: In two-player cooperative games, agents can play together effectively when they have accurate assumptions about how their teammate will behave, but may perform poorly when these assumptions are inaccurate. In language games, failure may be due to disagreement in the understanding of either the semantics or pragmatics of an utterance. We model coarse uncertainty in semantics using a prior distribution of language models and uncertainty in pragmatics using the cognitive hierarchy, combining the two aspects into a single prior distribution over possible partner types. Fine-grained uncertainty in semantics is modeled using noise that is added to the embeddings of words in the language. To handle all forms of uncertainty we construct agents that learn the behavior of their partner using Bayesian inference and use this information to maximize the expected value of a heuristic function. We test this approach by constructing Bayesian agents for the game of Codenames, and show that they perform better in experiments where semantics is uncertain
• Abstract（参考訳）: 2人のプレイヤーによる協調ゲームでは、エージェントはチームメイトがどのように振る舞うかの正確な仮定がある場合、効果的に協力することができるが、これらの仮定が不正確な場合、パフォーマンスが低下する可能性がある。 言語ゲームでは、失敗は発話の意味論または実用論の理解の相違による可能性がある。 本研究では,言語モデルの事前分布を用いた意味論における粗い不確実性を認知階層を用いてモデル化する。 意味論におけるきめ細かい不確実性は、言語内の単語の埋め込みに追加されるノイズを用いてモデル化される。 あらゆる形の不確実性を扱うために、ベイズ推定を用いてパートナーの振る舞いを学習するエージェントを構築し、この情報を用いてヒューリスティック関数の期待値を最大化する。 我々は、コードネームゲームのためのベイズエージェントを構築してこのアプローチを検証し、セマンティクスが不確実な実験において、それらがよりよい性能を発揮することを示す。

関連論文リスト

• Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
  Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。 本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-02-08T22:05:45Z)
• Regularized Conventions: Equilibrium Computation as a Model of Pragmatic Reasoning [72.21876989058858]
  本稿では,信号ゲームの正規化平衡を探索することにより,発話を生成・理解する実用的な言語理解のモデルを提案する。 このモデルでは、話者とリスナーは文脈的に適切な発話を探索し、ゲーム理論の最適規則に近づき、共有された'デフォルト'セマンティクスに近い意味のマッピングを意味づける。
  論文  参考訳（メタデータ） (2023-11-16T09:42:36Z)
• Improving Language Models Meaning Understanding and Consistency by Learning Conceptual Roles from Dictionary [65.268245109828]
  現代事前訓練言語モデル(PLM)の非人間的行動は、その信頼性を損なう主要な原因である。 驚くべき現象は、矛盾した結果を生み出す不整合予測の生成である。 本研究では,PLMの認知度を向上させることで,一貫性のない行動問題を緩和する実践的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-24T06:15:15Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• Modeling Cross-Cultural Pragmatic Inference with Codenames Duet [40.52354928048333]
  本稿では、簡単な言葉参照ゲームにおいて、社会文化的実践的推論を運用する文化規範データセットについて紹介する。 私たちのデータセットは794のゲームと7,703のターンで構成されており、153のユニークなプレイヤーに分散しています。 実験の結果,背景特性を考慮に入れることで,手掛かりの付与や推測に関連するタスクのモデル性能が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2023-06-04T20:47:07Z)
• Modelling Commonsense Properties using Pre-Trained Bi-Encoders [40.327695801431375]
  概念とその特性をモデル化するための微調整言語モデルの可能性について検討する。 実験結果から,得られたエンコーダにより,より高い精度でコモンセンス特性を予測できることが示唆された。
  論文  参考訳（メタデータ） (2022-10-06T09:17:34Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• Disentangling Semantics and Syntax in Sentence Embeddings with Pre-trained Language Models [32.003787396501075]
  ParaBARTは、予め訓練された言語モデルによって得られる文埋め込みにおける意味論と構文を解き放つことを学ぶ意味論文埋め込みモデルである。 ParaBARTは、ターゲットのパラフレーズとセマンティクスを共有するソース文と、ターゲットの構文を指定するパースツリーに基づいて、構文誘導のパラフレーズを実行するように訓練されている。
  論文  参考訳（メタデータ） (2021-04-11T21:34:46Z)
• Speakers Fill Lexical Semantic Gaps with Context [65.08205006886591]
  我々は単語の語彙的あいまいさを意味のエントロピーとして運用する。 単語のあいまいさの推定値と,WordNetにおける単語の同義語数との間には,有意な相関関係が認められた。 これは、あいまいさの存在下では、話者が文脈をより情報的にすることで補うことを示唆している。
  論文  参考訳（メタデータ） (2020-10-05T17:19:10Z)
• Incorporating Pragmatic Reasoning Communication into Emergent Language [38.134221799334426]
  我々は、言語コミュニケーションのダイナミクスを、かなり異なるインテリジェンスとインテリジェンスレベルに沿って研究する。 本稿では,短期的相互推論に基づく実用主義と長期言語創発主義を組み合わせた計算モデルを提案する。 我々の結果は、より自然で正確で、堅牢で、きめ細かな、簡潔な発話を実現するための道を開くことの重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2020-06-07T10:31:06Z)

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。