Fugu-MT 論文翻訳(概要): Effect-driven interpretation: Functors for natural language composition

論文の概要: Effect-driven interpretation: Functors for natural language composition

arxiv url: http://arxiv.org/abs/2504.00316v1
Date: Tue, 01 Apr 2025 00:46:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-03 13:22:59.380982
Title: Effect-driven interpretation: Functors for natural language composition
Title（参考訳）: 効果駆動的解釈:自然言語合成のための関手
Authors: Dylan Bumford, Simon Charlow,
Abstract要約: 人間の言語も同様に、純粋な価値と不純なプロセスの付与と引き抜きを中心に組織されている、と我々は主張する。自然言語合成のエレガントで明快な分析を支援するために,コンピュータサイエンスからの記述技術をどのように活用できるかを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Computer programs are often factored into pure components -- simple, total functions from inputs to outputs -- and components that may have side effects -- errors, changes to memory, parallel threads, abortion of the current loop, etc. We make the case that human languages are similarly organized around the give and pull of pure values and impure processes, and we'll aim to show how denotational techniques from computer science can be leveraged to support elegant and illuminating analyses of natural language composition.
Abstract（参考訳）: コンピュータプログラムは、単純な、入力から出力までの全機能、エラー、メモリの変更、並列スレッド、現在のループの中絶など、純粋なコンポーネントに分解されることが多い。我々は、人間の言語が純粋な価値と不純なプロセスの付与と引き抜きを中心に同様に組織化されていることを事例とし、コンピュータサイエンスからの記述技術がどのように活用され、自然言語構成のエレガントで明快な分析を支援するかを示す。

関連論文リスト

Large Language Models are Interpretable Learners [53.56735770834617]
本稿では,Large Language Models(LLM)とシンボルプログラムの組み合わせによって,表現性と解釈可能性のギャップを埋めることができることを示す。自然言語プロンプトを持つ事前訓練されたLLMは、生の入力を自然言語の概念に変換することができる解釈可能な膨大なモジュールセットを提供する。 LSPが学んだ知識は自然言語の記述と記号規則の組み合わせであり、人間(解釈可能)や他のLLMに容易に転送できる。
論文参考訳（メタデータ） (2024-06-25T02:18:15Z)
Interpretable Robotic Manipulation from Language [11.207620790833271]
本稿では,操作タスクに特化して設計された,Ex-PERACTという説明可能な行動クローニングエージェントを紹介する。トップレベルでは、モデルは個別のスキルコードを学ぶことを任務とし、下位レベルでは、ポリシーネットワークは問題をボクセル化されたグリッドに変換し、離散化されたアクションをボクセルグリッドにマップする。提案手法は,RLBenchベンチマークを用いた8つの操作課題にまたがって評価し,Ex-PERACTが競合する政策性能を達成するだけでなく,複雑な環境下でのヒューマンインストラクションとマシン実行のギャップを効果的に橋渡しすることを示した。
論文参考訳（メタデータ） (2024-05-27T11:02:21Z)
Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。 Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
論文参考訳（メタデータ） (2023-09-19T17:54:21Z)
Analysis of the Evolution of Advanced Transformer-Based Language Models: Experiments on Opinion Mining [0.5735035463793008]
本稿では,最先端のトランスフォーマーに基づく言語モデルの意見マイニングにおける挙動について検討する。私たちの比較研究は、フォーカスするアプローチに関して、プロダクションエンジニアがリードし、道を開く方法を示しています。
論文参考訳（メタデータ） (2023-08-07T01:10:50Z)
A Survey on Natural Language Processing for Programming [42.850340313115765]
プログラミングのための自然言語処理は、NLP技術を用いてプログラミングを支援することを目的としている。構造に基づく表現と機能指向のアルゴリズムは、プログラムの理解と生成の中心にある。
論文参考訳（メタデータ） (2022-12-12T08:51:30Z)
Benchmarking Language Models for Code Syntax Understanding [79.11525961219591]
事前学習された言語モデルは、自然言語処理とプログラム理解の両方において素晴らしい性能を示している。本研究では,プログラムの構文構造を特定するための,最先端の事前訓練モデルの最初の徹底的なベンチマークを行う。この結果から,既存のプログラミング言語の事前学習手法の限界が指摘され,構文構造をモデル化することの重要性が示唆された。
論文参考訳（メタデータ） (2022-10-26T04:47:18Z)
Identifying concept libraries from language about object structure [56.83719358616503]
自然言語記述を2Kプロシージャ生成オブジェクトの多種多様なセットに利用して,ユーザが使用する部分を特定する。我々は、異なる部分概念を含むプログラムライブラリの空間の探索として、この問題を形式化する。自然言語と構造化されたプログラム表現を組み合わせることで、人々が名前をつける部分概念を規定する基本的な情報理論的なトレードオフを発見する。
論文参考訳（メタデータ） (2022-05-11T17:49:25Z)
LISA: Learning Interpretable Skill Abstractions from Language [85.20587800593293]
言語条件による実演から多種多様な解釈可能なスキルを学習できる階層型模倣学習フレームワークを提案する。本手法は, 逐次的意思決定問題において, 言語に対するより自然な条件付け方法を示す。
論文参考訳（メタデータ） (2022-02-28T19:43:24Z)
Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
論文参考訳（メタデータ） (2021-07-20T07:01:15Z)

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。