論文の概要: AI-Generated Game Commentary: A Survey and a Datasheet Repository
- arxiv url: http://arxiv.org/abs/2506.17294v1
- Date: Tue, 17 Jun 2025 07:04:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:36.318013
- Title: AI-Generated Game Commentary: A Survey and a Datasheet Repository
- Title（参考訳）: AI生成ゲーム解説:調査とデータシートリポジトリ
- Authors: Qirui Zheng, Xingbo Wang, Keyuan Cheng, Yunlong Lu, Wenxin Li,
- Abstract要約: AIGGCの一般的なフレームワークを導入し、45の既存のゲームコメンタリーデータセットとメソッドの包括的調査を行う。
将来の研究ベンチマークをサポートするため、構造化された付録も提供しています。
- 参考スコア（独自算出の注目度）: 4.396546075994102
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-Generated Game Commentary (AIGGC) has gained increasing attention due to its market potential and inherent technical challenges. As a comprehensive multimodal Natural Language Processing (NLP) task, AIGGC imposes substantial demands on language models, including factual accuracy, logical reasoning, expressive text generation, generation speed, and context management. In this paper, we introduce a general framework for AIGGC and present a comprehensive survey of 45 existing game commentary dataset and methods according to key challenges they aim to address in this domain. We further classify and compare various evaluation metrics commonly used in this domain. To support future research and benchmarking, we also provide a structured datasheet summarizing the essential attributes of these datasets in appendix, which is meanwhile publicly available in an open repository.
- Abstract（参考訳）: AI-Generated Game Commentary (AIGGC)は、市場の可能性と固有の技術的課題から注目を集めている。
包括的なマルチモーダル自然言語処理(NLP)タスクとして、AIIGGCは、事実的正確性、論理的推論、表現的テキスト生成、生成速度、コンテキスト管理など、言語モデルにかなりの要求を課している。
本稿では,AIGGCの汎用フレームワークについて紹介し,本領域で取り組むべき課題に応じて,既存の45のゲームコメンタリーデータセットとメソッドを包括的に調査する。
この領域でよく使われる様々な評価指標を分類し比較する。
今後の研究とベンチマークをサポートするために,これらのデータセットの本質的属性を要約した構造化データシートも公開リポジトリで公開されている。
関連論文リスト
- A Survey on Knowledge-Oriented Retrieval-Augmented Generation [45.65542434522205]
近年,RAG (Retrieval-Augmented Generation) が注目されている。
RAGは大規模検索システムと生成モデルを組み合わせる。
動的外部知識を用いた生成モデルの強化など,RAGの重要な特徴について論じる。
論文 参考訳（メタデータ） (2025-03-11T01:59:35Z) - CRUD-RAG: A Comprehensive Chinese Benchmark for Retrieval-Augmented Generation of Large Language Models [49.16989035566899]
Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の能力を高める技術である。
本稿では,大規模かつ包括的なベンチマークを構築し,様々なRAGアプリケーションシナリオにおけるRAGシステムのすべてのコンポーネントを評価する。
論文 参考訳（メタデータ） (2024-01-30T14:25:32Z) - Retrieval-Augmented Generation for Large Language Models: A Survey [17.82361213043507]
大きな言語モデル(LLM)には印象的な能力があるが、幻覚のような課題に直面している。
Retrieval-Augmented Generation (RAG) は,外部データベースからの知識を取り入れた,有望なソリューションとして登場した。
論文 参考訳（メタデータ） (2023-12-18T07:47:33Z) - Striking Gold in Advertising: Standardization and Exploration of Ad Text Generation [5.3558730908641525]
本稿では,ATG のタスクを標準化するためのベンチマークデータセット CAMERA を提案する。
我々の実験は、現状と残りの課題を示している。
また、ATGの既存の指標とLLMに基づく評価器が人間の評価とどのように一致しているかについても検討する。
論文 参考訳（メタデータ） (2023-09-21T12:51:24Z) - GENEVA: Benchmarking Generalizability for Event Argument Extraction with
Hundreds of Event Types and Argument Roles [77.05288144035056]
Event Argument extract (EAE)は、新しいイベントやドメインに対応するためのモデルの一般化性の改善に重点を置いている。
ACEやEREといった標準的なベンチマークデータセットは、40のイベントタイプと25のエンティティ中心の引数ロールをカバーする。
論文 参考訳（メタデータ） (2022-05-25T05:46:28Z) - GENIE: A Leaderboard for Human-in-the-Loop Evaluation of Text Generation [83.10599735938618]
リーダーボードは、評価を標準化し、独立した外部リポジトリに委譲することで、多くのNLPデータセットのモデル開発を容易にしています。
本研究では、テキスト生成タスクにリーダーボードの容易さをもたらす人間評価リーダーボードであるGENIEを紹介します。
論文 参考訳（メタデータ） (2021-01-17T00:40:47Z)
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。