Fugu-MT 論文翻訳(概要): Compositional Understanding in Signaling Games

論文の概要: Compositional Understanding in Signaling Games

arxiv url: http://arxiv.org/abs/2507.15706v1
Date: Mon, 21 Jul 2025 15:14:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-22 20:51:32.453512
Title: Compositional Understanding in Signaling Games
Title（参考訳）: シグナルゲームにおける構成的理解
Authors: David Peter Wallis Freeborn,
Abstract要約: 標準的なシグナリングゲームモデルの受信者は、構成情報の学習に苦労する。信号の原子メッセージからのみ学習するミニマリスト受信機と、利用可能なすべての情報から学習するジェネラリスト受信機という2つの新しいモデルを提示します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Receivers in standard signaling game models struggle with learning compositional information. Even when the signalers send compositional messages, the receivers do not interpret them compositionally. When information from one message component is lost or forgotten, the information from other components is also erased. In this paper I construct signaling game models in which genuine compositional understanding evolves. I present two new models: a minimalist receiver who only learns from the atomic messages of a signal, and a generalist receiver who learns from all of the available information. These models are in many ways simpler than previous alternatives, and allow the receivers to learn from the atomic components of messages.
Abstract（参考訳）: 標準的なシグナリングゲームモデルの受信者は、構成情報の学習に苦労する。信号機が合成メッセージを送信しても、受信機はそれらを合成的に解釈しない。あるメッセージコンポーネントからの情報が失われたり忘れられたりすると、他のコンポーネントからの情報が消去される。本稿では,真の構成理解が進化するシグナリングゲームモデルを構築する。信号の原子メッセージからのみ学習するミニマリスト受信機と、利用可能なすべての情報から学習するジェネラリスト受信機という2つの新しいモデルを提示します。これらのモデルは、以前の選択肢よりも多くの点で単純であり、受信側はメッセージの原子的コンポーネントから学ぶことができる。

関連論文リスト

Compositional Generalisation for Explainable Hate Speech Detection [52.41588643566991]
ヘイトスピーチ検出はオンラインコンテンツモデレーションの鍵であるが、現在のモデルはトレーニングデータ以上の一般化に苦慮している。モデルがよりきめ細かなスパンレベルのアノテーションでトレーニングされている場合でも、それらのラベルの意味を周囲のコンテキストから切り離すことに苦労しています。本研究では,すべての文脈で同じ頻度で表現が生じるデータセット上でのトレーニングにより,一般化が向上するかどうかを検討する。
論文参考訳（メタデータ） (2025-06-04T13:07:36Z)
A Compressive-Expressive Communication Framework for Compositional Representations [0.6937243101289334]
本稿では,事前学習モデルから学習した表現の合成性を誘導する自己教師型フレームワークCELEBIを紹介する。提案手法は,Shapes3DおよびMPI3Dデータセット上での学習メッセージの効率性と構成性を向上する。この研究は、単純性に基づく帰納的バイアスから構造化された一般化可能な通信プロトコルが出現する新たな理論的および実証的な証拠を提供する。
論文参考訳（メタデータ） (2025-01-31T14:46:11Z)
Receiver-Centric Generative Semantic Communications [35.20918451421913]
本稿では,送信機と受信機とのセマンティック通信について検討する。受信機への関心のビデオなどのオリジナルデータは送信機に格納される。本稿では,レシーバ中心のセマンティックコミュニケーションシステムを提案する。
論文参考訳（メタデータ） (2024-11-05T14:18:09Z)
Diffusion-based Generative Multicasting with Intent-aware Semantic Decomposition [45.73113352988143]
我々は,事前学習した拡散モデルを用いた意図認識型セマンティック・マルチキャスト・フレームワークを開発した。提案するフレームワークでは,送信者が複数の意味クラスに対して,複数のユーザ意図に基づいてソース信号を分解する。シミュレーションの結果,非生成型および意図不明なマルチキャストベンチマークと比較すると,ユーザ毎のレイテンシが有意に低減された。
論文参考訳（メタデータ） (2024-11-04T17:58:54Z)
Learning How to Strategically Disclose Information [6.267574471145217]
送信者が未知のタイプの受信機と対話する情報設計のオンライン版を考える。我々は、$mathcalO(sqrtT)$ regretが完全な情報フィードバックで達成可能であることを示す。また,一般凸ユーティリティ関数に対して$mathcalO(sqrtT)$ regretを送信者が達成できる新しいパラメトリゼーションを提案する。
論文参考訳（メタデータ） (2024-03-13T17:44:16Z)
Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
トポロジカル空間の観点から意味コミュニケーションを研究する。送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。受信機は構造を復号し、行方不明または歪んだデータを推測する。
論文参考訳（メタデータ） (2022-10-30T22:33:44Z)
Finstreder: Simple and fast Spoken Language Understanding with Finite State Transducers using modern Speech-to-Text models [69.35569554213679]
Spoken Language Understanding (SLU) では、音声コマンドから重要な情報を抽出する。本稿では,有限状態トランスデューサにインテントやエンティティを埋め込む簡単な方法を提案する。
論文参考訳（メタデータ） (2022-06-29T12:49:53Z)
KG-SP: Knowledge Guided Simple Primitives for Open World Compositional Zero-Shot Learning [52.422873819371276]
オープンワールドコンポジションゼロショット学習(OW-CZSL)の目的は、画像中の状態とオブジェクトの合成を認識することである。ここでは、単純なCZSLベースラインを再検討し、プリミティブ、すなわち状態とオブジェクトを独立して予測する。出力空間から不可能な構成を除去するために, 外部知識を用いて各構成の有効性を推定する。我々のモデルであるKG-SPはOW-CZSLとpCZSLの両方で技術の状態を達成する。
論文参考訳（メタデータ） (2022-05-13T17:18:15Z)
A Framework for Generative and Contrastive Learning of Audio Representations [2.8935588665357077]
本研究では,音声表現のためのコントラスト学習フレームワークを提案する。また、音声信号の潜在空間を学習するために、アートトランスフォーマーに基づくアーキテクチャの状態に基づく生成モデルについても検討する。本システムは,ニューラルネットワークモデルをトレーニングするために,地上の真理ラベルにアクセス可能な完全教師付き手法と比較して,かなりの性能を実現している。
論文参考訳（メタデータ） (2020-10-22T05:52:32Z)
Analogical Reasoning for Visually Grounded Language Acquisition [55.14286413675306]
子どもたちは、周囲の世界を観察し、記述を聴いて、無意識に言語を習得する。本稿では,この能力をAIにもたらし,視覚的基盤を持つ言語習得の課題を研究する。類似推論のための新しい機構を付加したマルチモーダル変圧器モデルを提案する。
論文参考訳（メタデータ） (2020-07-22T20:51:58Z)
Learning to Combine Top-Down and Bottom-Up Signals in Recurrent Neural Networks with Attention over Modules [81.1967157385085]
ロバスト知覚はボトムアップ信号とトップダウン信号の両方に依存している。ボトムアップ信号とトップダウン信号が動的に結合されるディープリカレントニューラルネットワークアーキテクチャについて検討する。言語モデリング、逐次画像分類、映像予測、強化学習における様々なベンチマークにおいて、遠方方向情報フローが強いベースライン上で結果を改善することを実証する。
論文参考訳（メタデータ） (2020-06-30T17:26:19Z)

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。