論文の概要: Decoding Communications with Partial Information

• arxiv url: http://arxiv.org/abs/2508.13326v1
• Date: Mon, 18 Aug 2025 19:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.71086
• Title: Decoding Communications with Partial Information
• Title（参考訳）: 部分情報による通信の復号化
• Authors: Dylan Cope, Peter McBurney,
• Abstract要約: 機械語習得は、しばしば模倣学習の問題として提示される。 本稿では,学習者がすべての関連情報を見ると仮定した仮定を緩和することを検討する。 学習に基づくアルゴリズムが提示され、プライベート情報の復号化を行い、言語習得を容易にする。
• 参考スコア（独自算出の注目度）: 0.6629765271909505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine language acquisition is often presented as a problem of imitation learning: there exists a community of language users from which a learner observes speech acts and attempts to decode the mappings between utterances and situations. However, an interesting consideration that is typically unaddressed is partial observability, i.e. the learner is assumed to see all relevant information. This paper explores relaxing this assumption, thereby posing a more challenging setting where such information needs to be inferred from knowledge of the environment, the actions taken, and messages sent. We see several motivating examples of this problem, demonstrate how they can be solved in a toy setting, and formally explore challenges that arise in more general settings. A learning-based algorithm is then presented to perform the decoding of private information to facilitate language acquisition.
• Abstract（参考訳）: 機械語習得は、しばしば模倣学習の問題として提示される: 学習者が発話行為を観察し、発話と状況の間のマッピングをデコードしようとする言語利用者のコミュニティが存在する。 しかし、典型的には未適応である興味深い考慮は部分的な観測可能性であり、すなわち学習者は関連するすべての情報を見ると仮定される。 本稿は,この仮定を緩和する上で,環境や行動,送信メッセージといった知識から,そのような情報を推測する必要がある,より困難な状況を呈するものである。 この問題のモチベーションの例としては、おもちゃの環境でどのように解決できるかを実証し、より一般的な環境で発生する課題を正式に探求する。 学習に基づくアルゴリズムが提示され、プライベート情報の復号化を行い、言語習得を容易にする。

関連論文リスト

• Detection-Fusion for Knowledge Graph Extraction from Videos [49.1574468325115]
  本稿では,知識グラフを用いた動画アノテート手法を提案する。 具体的には,この課題に対するディープラーニングモデルを提案する。 また,知識グラフ構築に背景知識を組み込むためのモデルの拡張も提案する。
  論文  参考訳（メタデータ） (2024-12-30T20:26:11Z)
• ViLCo-Bench: VIdeo Language COntinual learning Benchmark [8.660555226687098]
  ビデオテキストタスクの連続学習モデルを評価するために設計されたViLCo-Benchを提案する。 データセットは10分間のビデオと、公開されているデータセットから収集された対応する言語クエリで構成されている。 本稿では,自己教師付き学習を取り入れ,長期記憶効果と短期記憶効果を模倣する新しい記憶効率フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-19T00:38:19Z)
• Prompting Large Language Models to Reformulate Queries for Moment Localization [79.57593838400618]
  モーメントローカライゼーションのタスクは、与えられた自然言語クエリの未トリミングビデオ中の時間モーメントをローカライズすることである。 我々は,モーメントクエリを大規模言語モデルを用いて命令セットに再構成し,ローカライズモデルに親しみやすくするための初期の試みを行っている。
  論文  参考訳（メタデータ） (2023-06-06T05:48:09Z)
• Large Language Models Can Be Easily Distracted by Irrelevant Context [29.315230178997002]
  本研究では,モデル解の精度が無関係な文脈によってどのように影響されるかを検討する。 我々は,大規模言語モデルにおける最先端のプロンプト手法の散らかしやすさをベンチマークで測定する。
  論文  参考訳（メタデータ） (2023-01-31T20:48:57Z)
• Position-Aware Contrastive Alignment for Referring Image Segmentation [65.16214741785633]
  マルチモーダル特徴のアライメントを強化するために,位置認識型コントラストアライメントネットワーク(PCAN)を提案する。 1)自然言語記述に関連するすべてのオブジェクトの位置情報を提供する位置認識モジュール(PAM)と,2)マルチモーダルアライメントを強化するコントラスト言語理解モジュール(CLUM)の2つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2022-12-27T09:13:19Z)
• Probing via Prompting [71.7904179689271]
  本稿では,探索をプロンプトタスクとして定式化することで,新しいモデルフリーな探索手法を提案する。 我々は5つの探索課題について実験を行い、我々のアプローチが診断プローブよりも情報抽出に優れていることを示す。 次に,その特性に不可欠な頭部を除去し,言語モデリングにおけるモデルの性能を評価することにより,事前学習のための特定の言語特性の有用性を検討する。
  論文  参考訳（メタデータ） (2022-07-04T22:14:40Z)
• COBE: Contextualized Object Embeddings from Narrated Instructional Video [52.73710465010274]
  そこで本稿では,教師ビデオの自動書き起こしからコンテキスト適応型オブジェクト埋め込みを学習するための新しいフレームワークを提案する。 言語の意味的・構成的構造を視覚的検知器を訓練し,オブジェクトとその関連するナレーションの文脈的単語埋め込みを予測する。 実験の結果,検出器は多種多様なコンテキストオブジェクト情報を予測し,少数ショットおよびゼロショット学習の設定において極めて有効であることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T19:04:08Z)
• Incidental Supervision: Moving beyond Supervised Learning [72.4859717204905]
  本稿では、監視ボトルネックを軽減するために設計された学習パラダイムについて述べる。 それは、テキストから様々なレベルの意味表現を誘導することに関連する、複数の問題の文脈におけるそれらの利点を説明する。
  論文  参考訳（メタデータ） (2020-05-25T18:44:53Z)
• Spying on your neighbors: Fine-grained probing of contextual embeddings for information about surrounding words [12.394077144994617]
  本稿では,周辺単語の情報エンコーディングのためのコンテキスト埋め込みのきめ細かいテストを可能にする探索タスクのスイートを紹介する。 我々は、人気のあるBERT、ELMoおよびGPTコンテキストエンコーダを調べ、テストされた情報型が実際にトークン間でコンテキスト情報としてエンコードされていることを発見した。 トークン埋め込みを構築する際に,異なる種類のモデルがどのように分解し,単語レベルのコンテキスト情報を優先するかについて,これらの結果の意味を論じる。
  論文  参考訳（メタデータ） (2020-05-04T19:34:46Z)
• Natural language technology and query expansion: issues, state-of-the-art and perspectives [0.0]
  クエリのあいまいさや誤解釈を引き起こす言語特性と、追加の要因は、ユーザの情報ニーズを正確に表現する能力に影響を与える。 汎用言語に基づく問合せ拡張フレームワークの解剖学を概説し,モジュールに基づく分解を提案する。 それぞれのモジュールについて、文献における最先端のソリューションをレビューし、使用するテクニックの光の下で分類する。
  論文  参考訳（メタデータ） (2020-04-23T11:39:07Z)

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。