論文の概要: How to Enable Effective Cooperation Between Humans and NLP Models: A Survey of Principles, Formalizations, and Beyond

• arxiv url: http://arxiv.org/abs/2501.05714v1
• Date: Fri, 10 Jan 2025 05:15:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:28:17.656015
• Title: How to Enable Effective Cooperation Between Humans and NLP Models: A Survey of Principles, Formalizations, and Beyond
• Title（参考訳）: 人間とNLPモデルの効果的な協調を可能にする方法:原則、形式化、およびそれ以上の調査
• Authors: Chen Huang, Yang Deng, Wenqiang Lei, Jiancheng Lv, Tat-Seng Chua, Jimmy Xiangji Huang,
• Abstract要約: 我々は、その原則、形式化、オープンな課題を探求し、人間-モデル協力の徹底的なレビューを行う。 既存のアプローチを要約する統一的な視点を提供する新しい分類法を導入する。 また、潜在的なフロンティア領域とその対応課題についても論じる。
• 参考スコア（独自算出の注目度）: 73.5546464126465
• License:
• Abstract: With the advancement of large language models (LLMs), intelligent models have evolved from mere tools to autonomous agents with their own goals and strategies for cooperating with humans. This evolution has birthed a novel paradigm in NLP, i.e., human-model cooperation, that has yielded remarkable progress in numerous NLP tasks in recent years. In this paper, we take the first step to present a thorough review of human-model cooperation, exploring its principles, formalizations, and open challenges. In particular, we introduce a new taxonomy that provides a unified perspective to summarize existing approaches. Also, we discuss potential frontier areas and their corresponding challenges. We regard our work as an entry point, paving the way for more breakthrough research in this regard.
• Abstract（参考訳）: 大規模言語モデル(LLM)の進歩により、インテリジェントモデルは単なるツールから、人間と協調するための独自の目標と戦略を持った自律エージェントへと進化してきた。 この進化は、NLPにおいて新しいパラダイム、すなわち人間-モデル協力を生み出し、近年多くのNLPタスクにおいて顕著な進歩をもたらした。 本稿では,その原則,形式化,オープンな課題を探求し,人間モデル協力の徹底的なレビューを行うための第一歩を踏み出した。 特に、既存のアプローチを要約するための統一的な視点を提供する新しい分類法を導入する。 また、潜在的なフロンティア領域とその対応課題についても論じる。 我々は、私たちの研究をエントリポイントとみなし、この点においてより画期的な研究の道を開く。

関連論文リスト

• Human-Centric Foundation Models: Perception, Generation and Agentic Modeling [79.97999901785772]
  人間中心のファンデーションモデルは、多様な人間中心のタスクを単一のフレームワークに統合します。 我々は,現在のアプローチを4つのグループに分類する分類法を提案することで,HcFMの包括的概要を示す。 この調査は、より堅牢で汎用的でインテリジェントなデジタルヒューマン・エンボディメントモデリングを目指す研究者や実践者のロードマップとして機能することを目的としている。
  論文  参考訳（メタデータ） (2025-02-12T16:38:40Z)
• Seeing Eye to AI: Human Alignment via Gaze-Based Response Rewards for Large Language Models [46.09562860220433]
  暗黙のフィードバック(特に眼球追跡(ET)データ)をReward Model(RM)に統合する新しいフレームワークであるGazeRewardを紹介します。 提案手法は、確立された人間の嗜好データセット上でのRMの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T13:24:56Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Towards Human-AI Mutual Learning: A New Research Paradigm [9.182022050832108]
  本稿では,「人間-AI相互学習」という,人間-AI協調研究のための新たな研究パラダイムについて述べる。 このパラダイムの下で、関連する方法論、モチベーション、ドメイン例、メリット、課題、将来の研究課題について説明する。
  論文  参考訳（メタデータ） (2024-05-07T21:59:57Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• A Survey of Reasoning with Foundation Models [235.7288855108172]
  推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。 本稿では,推論に適応する基礎モデルを提案する。 次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
  論文  参考訳（メタデータ） (2023-12-17T15:16:13Z)
• Human-AI Symbiosis: A Survey of Current Approaches [18.252264744963394]
  我々は、補完の流れ、タスクの地平線、モデル表現、知識レベル、チームゴールなど、人間-AIチームにおける作業のさまざまな側面を強調します。 この調査は、人間-AIチームの研究成果と、この分野の新たな研究者へのガイダンスとのより明確なつながりを提供することを期待している。
  論文  参考訳（メタデータ） (2021-03-18T02:39:28Z)
• Putting Humans in the Natural Language Processing Loop: A Survey [13.53277201606357]
  人間のフィードバックから学ぶ自然言語処理(NLP)システムをどのように設計できますか? Human-in-the-loop (HITL) NLPフレームワークは、モデル自体を改善するために、人間のフィードバックを継続的に統合する研究団体が増えている。 機械学習(ML)とHCI(Human-Computer Interaction)の両コミュニティのHITL NLPに関する調査を実施した。
  論文  参考訳（メタデータ） (2021-03-06T06:26:00Z)

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。