論文の概要: BabyLM Turns 3: Call for papers for the 2025 BabyLM workshop

• arxiv url: http://arxiv.org/abs/2502.10645v1
• Date: Sat, 15 Feb 2025 02:46:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:13:14.936261
• Title: BabyLM Turns 3: Call for papers for the 2025 BabyLM workshop
• Title（参考訳）: BabyLMが3歳になった。2025年のBabyLMワークショップの論文を募集中
• Authors: Lucas Charpentier, Leshem Choshen, Ryan Cotterell, Mustafa Omer Gul, Michael Hu, Jaap Jumelet, Tal Linzen, Jing Liu, Aaron Mueller, Candace Ross, Raj Sanjay Shah, Alex Warstadt, Ethan Wilcox, Adina Williams,
• Abstract要約: BabyLMは認知モデリングと言語モデリングの境界を解消することを目的としている。 第3回BabyLMコンペティションに参加するためには,ワークショップ論文と研究者の両方が必要だ。
• 参考スコア（独自算出の注目度）: 77.62533643491747
• License:
• Abstract: BabyLM aims to dissolve the boundaries between cognitive modeling and language modeling. We call for both workshop papers and for researchers to join the 3rd BabyLM competition. As in previous years, we call for participants in the data-efficient pretraining challenge in the general track. This year, we also offer a new track: INTERACTION. This new track encourages interactive behavior, learning from a teacher, and adapting the teaching material to the student. We also call for papers outside the competition in any relevant areas. These include training efficiency, cognitively plausible research, weak model evaluation, and more.
• Abstract（参考訳）: BabyLMは認知モデリングと言語モデリングの境界を解消することを目的としている。 第3回BabyLMコンペティションに参加するためには,ワークショップ論文と研究者の両方が必要だ。 これまでのように、一般トラックにおけるデータ効率向上のための事前学習課題の参加者を募集している。 今年は、新しいトラック、InterActionも提供します。 この新しいコースは、対話的な行動、教師からの学習、教材の学生への適応を促進する。 関連分野のコンペ以外の論文も求めています。 これには、トレーニングの効率性、認知的に妥当な研究、弱いモデル評価などが含まれる。

関連論文リスト

• When Babies Teach Babies: Can student knowledge sharing outperform Teacher-Guided Distillation on small datasets? [0.0]
  我々は,データ効率のよい言語モデル事前学習の限界を推し進めることを目的として,BabyLMチャレンジに提案する。 重み付き相互学習を二段階最適化問題として定式化することにより、生徒の平等な待遇の限界に対処する。 評価の結果、教師なしの手法は教師が指導する手法と一致したり、超えたりできることがわかった。
  論文  参考訳（メタデータ） (2024-11-25T15:25:31Z)
• UpStory: the Uppsala Storytelling dataset [2.7895834501191823]
  UpStoryは、小学生間の自然主義的なダイアド相互作用のデータセットである。 データセットには35対のデータが含まれており、合計で3時間40mのオーディオとビデオが記録される。 データセットの匿名化バージョンが公開されており、フレーム単位のヘッドポーズ、ボディポーズ、顔の特徴が含まれている。
  論文  参考訳（メタデータ） (2024-07-05T08:46:16Z)
• [Call for Papers] The 2nd BabyLM Challenge: Sample-efficient pretraining on a developmentally plausible corpus [81.34965784440176]
  このCfPはBabyLM Challenge 2024-2025のルールを提供する。 課題の全体的目標は同じままです。 私たちは緩い線を紙の線で置き換える。 事前学習に関するルールを緩和します。 マルチモーダル・ヴィジュアル・アンド・ランゲージ・トラックを導入する。
  論文  参考訳（メタデータ） (2024-04-09T11:04:50Z)
• RHOBIN Challenge: Reconstruction of Human Object Interaction [83.07185402102253]
  最初のRHOBINチャレンジ:RHOBINワークショップと連携して人間と物体の相互作用を再構築する。 我々の課題は、単眼のRGB画像から3D再構成する3つのトラックで構成され、困難な相互作用シナリオに対処することに焦点を当てている。 本稿では,課題の設定について述べるとともに,各トラックの入賞方法についてより詳細に述べる。
  論文  参考訳（メタデータ） (2024-01-07T23:37:07Z)
• ChapGTP, ILLC's Attempt at Raising a BabyLM: Improving Data Efficiency by Automatic Task Formation [5.472046616411226]
  アムステルダム大学におけるILLCのBabyLMチャレンジへの提出(Warstadt et al., 2023) 最後のモデルであるChapGTPは200のエポックでトレーニングされたマスキング言語モデルであり、Automatic Task Formationと呼ばれる新しいデータ拡張技術によって支援されている。 本稿では,BLiMP,(Super)GLUE,MSGSの3つの評価スイートにおいて,このモデルの性能について詳細に論じる。
  論文  参考訳（メタデータ） (2023-10-17T14:06:06Z)
• Call for Papers -- The BabyLM Challenge: Sample-efficient pretraining on a developmentally plausible corpus [32.51325830633226]
  BabyLM Challenge: 発達可能なコーパス上でのサンプル効率事前学習のための論文の募集を行う。 この共有タスクは、小規模言語モデリング、ヒューマン言語獲得、低リソースNLP、認知モデリングに関心を持つ参加者を対象としている。
  論文  参考訳（メタデータ） (2023-01-27T15:52:50Z)
• Don't Copy the Teacher: Data and Model Challenges in Embodied Dialogue [92.01165203498299]
  後続の身体的対話命令は、自然言語交換から複雑なタスクのシーケンスを完了させるエージェントを必要とする。 本稿では,模倣学習(IL)と関連する低レベルメトリクスが,実際には誤解を招くものであり,具体的対話研究の目標と一致していないことを論じる。
  論文  参考訳（メタデータ） (2022-10-10T05:51:40Z)
• Recitation-Augmented Language Models [85.30591349383849]
  知識集約型NLPタスクにおいて,RECITEは強力なパラダイムであることを示す。 具体的には、リサイクリングを中間ステップとして活用することにより、新しい最先端性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-10-04T00:49:20Z)
• LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
  Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。 我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。 この技術的レポートは、課題のハイライトを要約している。
  論文  参考訳（メタデータ） (2020-10-17T13:06:12Z)

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。