論文の概要: Unpacking Ambiguity: The Interaction of Polysemous Discourse Markers and Non-DM Signals

• arxiv url: http://arxiv.org/abs/2507.16748v1
• Date: Tue, 22 Jul 2025 16:36:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:14.207927
• Title: Unpacking Ambiguity: The Interaction of Polysemous Discourse Markers and Non-DM Signals
• Title（参考訳）: Unpacking Ambiguity:Polysemous Discourse Markerと非DM信号の相互作用
• Authors: Jingni Wu, Amir Zeldes,
• Abstract要約: 英語におけるDMポリセミーと非DM信号の共起関係について検討する。 ポリセムDMは、より多様な非DMと共起するが、共起信号の総数は必ずしも増加しない。
• 参考スコア（独自算出の注目度）: 10.942182034424714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Discourse markers (DMs) like 'but' or 'then' are crucial for creating coherence in discourse, yet they are often replaced by or co-occur with non-DMs ('in the morning' can mean the same as 'then'), and both can be ambiguous ('since' can refer to time or cause). The interaction mechanism between such signals remains unclear but pivotal for their disambiguation. In this paper we investigate the relationship between DM polysemy and co-occurrence of non-DM signals in English, as well as the influence of genre on these patterns. Using the framework of eRST, we propose a graded definition of DM polysemy, and conduct correlation and regression analyses to examine whether polysemous DMs are accompanied by more numerous and diverse non-DM signals. Our findings reveal that while polysemous DMs do co-occur with more diverse non-DMs, the total number of co-occurring signals does not necessarily increase. Moreover, genre plays a significant role in shaping DM-signal interactions.
• Abstract（参考訳）: 談話のコヒーレンスを創造するためには、"but"や"then"のような談話マーカー(DM)が不可欠であるが、しばしば非DMと置き換えられる("in the morning"は"then"と同じ意味)。 このような信号間の相互作用機構はいまだ不明だが、あいまいさには重要な要素である。 本稿では,DMポリセミーと非DM信号の共起の関係とジャンルの影響について検討する。 eRSTの枠組みを用いて、DMポリセミーの段階的定義と、多文DMがより多様で多様な非DM信号に付随しているかどうかを相関および回帰分析により検証する。 以上の結果から,多成分DMはより多様な非DMと共起するが,共起信号の総数は必ずしも増加しないことが明らかとなった。 さらに、ジャンルはDM信号相互作用の形成に重要な役割を果たしている。

関連論文リスト

• Probing the Vulnerability of Large Language Models to Polysemantic Interventions [49.64902130083662]
  2つの小モデル(Pythia-70MとGPT-2-Small)の多意味構造について検討する。 解析の結果,両モデルに共通する一貫した多意味トポロジーが明らかになった。 興味深いことに、この構造を利用して、2つの大きなブラックボックス命令調整モデルに効果的な介入を組み込むことができる。
  論文  参考訳（メタデータ） (2025-05-16T18:20:42Z)
• ACDC: Autoregressive Coherent Multimodal Generation using Diffusion Correction [55.03585818289934]
  自己回帰モデル(ARM)と拡散モデル(DM)は、生成モデルにおける2つの主要なパラダイムを表す。 拡散補正(Diffusion Correction: ACDC)を用いた自己回帰型コヒーレント多モード生成について紹介する。 ACDCは、追加の微調整を必要とせず、推論段階でARMとDMの両方の強度を組み合わせる。
  論文  参考訳（メタデータ） (2024-10-07T03:22:51Z)
• Attacks and Defenses for Generative Diffusion Models: A Comprehensive Survey [5.300811350105823]
  拡散モデル (DM) は様々な生成タスクにおいて最先端の性能を達成した。 近年の研究では、DMは幅広い攻撃を受けやすいことが示されている。
  論文  参考訳（メタデータ） (2024-08-06T18:52:17Z)
• Long-Horizon Rollout via Dynamics Diffusion for Offline Reinforcement Learning [31.11084939047226]
  我々はDyDiffと略してDynamics Diffusionを提案し、学習ポリシーからDMに情報を反復的に注入することができる。 DyDiffはポリシーの一貫性を維持しながら、長時間のロールアウトの精度を確保し、モデルフリーのアルゴリズムに容易にデプロイできる。
  論文  参考訳（メタデータ） (2024-05-29T15:29:46Z)
• Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [104.60508550106618]
  拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。 そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:47:33Z)
• Memory in Plain Sight: Surveying the Uncanny Resemblances of Associative Memories and Diffusion Models [65.08133391009838]
  拡散モデル(DM)の生成プロセスは、最近、多くのAI生成ベンチマークに最先端を設定した。 エネルギーに基づく連想記憶(AM)の分野からのメモリ検索の数学的言語を用いたDM記述のための新しい視点を導入する。 我々は,AMから期待される経験的行動を示すDMを記録できることの証拠として,DMをエネルギーベースメモリの一種として理解することによって明らかにされる研究の機会について論じる。
  論文  参考訳（メタデータ） (2023-09-28T17:57:09Z)
• VillanDiffusion: A Unified Backdoor Attack Framework for Diffusion Models [69.20464255450788]
  拡散モデル(英: Diffusion Models, DM)は、可逆的ノイズ付加から可逆的腐敗過程を学習し、雑音を除去する手法である。 最近の研究では、基本的な無条件DMがバックドア注入に弱いことが示されている。 本稿では,DMのバックドア分析の現在の範囲を広げるために,統合されたバックドア攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-12T05:14:13Z)
• Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical Fusion for Multimodal Affect Recognition [69.32305810128994]
  モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。 本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。 HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
  論文  参考訳（メタデータ） (2023-05-23T01:24:15Z)
• Towards the Detection of Diffusion Model Deepfakes [27.75191463698775]
  DMが生成した画像を検出するために,従来の手法が有効であるかどうかを評価する。 実験の結果,(1)最先端のGAN検出器は, DM生成画像と実像を確実に区別できないが, (2) DM生成画像で再トレーニングすることで, ほぼ完全な検出が可能であった。
  論文  参考訳（メタデータ） (2022-10-26T09:01:19Z)
• On Reinforcement Learning and Distribution Matching for Fine-Tuning Language Models with no Catastrophic Forgetting [5.5302127686575435]
  Reward Maximization (RM) と、最近では Distribution Matching (DM) の2つのパラダイムがこの課題に取り組むために登場した。 RM用に開発されたKL制御などの手法も,DMに属するものと解釈できることを示す。 2つのパラダイム間の接続を利用して、ベースラインの概念をDMメソッドにインポートします。
  論文  参考訳（メタデータ） (2022-06-01T20:54:41Z)
• Symbol Emergence as Inter-personal Categorization with Head-to-head Latent Word [6.270305440413688]
  個人間マルチモーダルディリクレ混合(Inter-MDM)を提案する。 H2H型Inter-MDMは、マルチモーダル分類と符号共有の観点から、従来のInter-MDMとほぼ同じ性能が得られる。
  論文  参考訳（メタデータ） (2022-05-24T23:18:00Z)
• Multiagent Multimodal Categorization for Symbol Emergence: Emergent Communication via Interpersonal Cross-modal Inference [4.964816143841663]
  本稿では,創発的コミュニケーションを実現するマルチエージェントマルチモーダル分類の計算モデルについて述べる。 インターMDMにより、エージェントはマルチモーダルカテゴリを形成し、エージェント間でサインを適切に共有することができる。 突発的コミュニケーションは,いくつかの感覚的モダリティが欠如している場合でも,分類精度を向上させることが示されている。
  論文  参考訳（メタデータ） (2021-09-15T10:20:54Z)

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。