論文の概要: NeLLCom-Lex: A Neural-agent Framework to Study the Interplay between Lexical Systems and Language Use

• arxiv url: http://arxiv.org/abs/2509.22479v1
• Date: Fri, 26 Sep 2025 15:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.545164
• Title: NeLLCom-Lex: A Neural-agent Framework to Study the Interplay between Lexical Systems and Language Use
• Title（参考訳）: NeLLCom-Lex: 語彙システムと言語利用の相互作用を研究するニューラルネットワークフレームワーク
• Authors: Yuqing Zhang, Ecesu Ürker, Tessa Verhoef, Gemma Boleda, Arianna Bisazza,
• Abstract要約: NeLLCom-Lexは意味の変化をシミュレートするために設計されたニューラルネットワークフレームワークである。 i)人間のような命名行動や語彙を発達させ,(ii)コミュニケーションニーズに応じてその行動や語彙を変化させる要因について検討する。 教師付きおよび強化学習パイプラインを用いた実験では、既存の言語を「話す」ように訓練されたニューラルエージェントが、色命名における人間に似たパターンを著しく再現できることが示されている。
• 参考スコア（独自算出の注目度）: 9.696111086006061
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lexical semantic change has primarily been investigated with observational and experimental methods; however, observational methods (corpus analysis, distributional semantic modeling) cannot get at causal mechanisms, and experimental paradigms with humans are hard to apply to semantic change due to the extended diachronic processes involved. This work introduces NeLLCom-Lex, a neural-agent framework designed to simulate semantic change by first grounding agents in a real lexical system (e.g. English) and then systematically manipulating their communicative needs. Using a well-established color naming task, we simulate the evolution of a lexical system within a single generation, and study which factors lead agents to: (i) develop human-like naming behavior and lexicons, and (ii) change their behavior and lexicons according to their communicative needs. Our experiments with different supervised and reinforcement learning pipelines show that neural agents trained to 'speak' an existing language can reproduce human-like patterns in color naming to a remarkable extent, supporting the further use of NeLLCom-Lex to elucidate the mechanisms of semantic change.
• Abstract（参考訳）: 語彙的意味変化は、主に観察的・実験的手法で研究されてきたが、観察的手法(コーパス分析、分布的意味モデリング)は因果的メカニズムでは得られず、人間による実験的パラダイムは、関係の延長による意味変化には適用が難しい。 この研究はNeLLCom-Lexというニューラルエージェントフレームワークを導入し、実際の語彙システム(例えば、英語)でエージェントを最初に接地することで意味変化をシミュレートし、それらのコミュニケーションニーズを体系的に操作することで、意味変化をシミュレートする。 確立されたカラー命名タスクを用いて、1世代以内の語彙システムの進化をシミュレートし、どの要因がエージェントを導くかを調べる。 一 人称行動及び語彙を発達させ、 (二)コミュニケーションのニーズに応じて行動と語彙を変更すること。 教師付きおよび強化学習パイプラインを用いた実験により、既存の言語を「話す」ように訓練されたニューラルエージェントが、色命名における人間に似たパターンを著しく再現できることが示され、意味変化のメカニズムを解明するためにNeLLCom-Lexのさらなる使用が支持された。

関連論文リスト

• Simulating the Emergence of Differential Case Marking with Communicating Neural-Network Agents [2.184775414778289]
  ディファレンシャル・ケースマーキング(英: Differential Case Marking、DCM)は、文法的ケースマーキングが意味、実用的、その他の要因に基づいて選択的に適用される現象である。 本研究では, エージェントがまず人工言語を習得し, コミュニケーションを行うための枠組みを提案する。 言語やセマンティックな嗜好を事前に経験していない,非常に汎用的なコミュニケーション最適化アルゴリズムとニューラルネットワーク学習者を用いて,学習だけではDCMに結びつかないことを示す。
  論文  参考訳（メタデータ） (2025-02-06T13:00:53Z)
• NeLLCom-X: A Comprehensive Neural-Agent Framework to Simulate Language Learning and Group Communication [2.184775414778289]
  最近導入されたNeLLComフレームワークにより、エージェントはまず人工言語を学習し、次にそれを通信に使用することができる。 より現実的な役割交代エージェントとグループコミュニケーションを導入することで、このフレームワークを拡張します。
  論文  参考訳（メタデータ） (2024-07-19T03:03:21Z)
• Language Evolution with Deep Learning [49.879239655532324]
  計算モデリングは言語の出現の研究において重要な役割を担っている。 構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。 この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T16:52:54Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• Communication Drives the Emergence of Language Universals in Neural Agents: Evidence from the Word-order/Case-marking Trade-off [3.631024220680066]
  ニューラルエージェント言語学習通信フレームワーク(NeLLCom)を提案する。 我々はエージェントに特定のバイアスをハードコーディングすることなく、新しいフレームワークでトレードオフを複製することに成功しました。
  論文  参考訳（メタデータ） (2023-01-30T17:22:33Z)
• Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
  本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。 決定木を利用して,ロボット学習における絡み合いの要因を抽出する。 学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
  論文  参考訳（メタデータ） (2022-10-13T01:10:41Z)
• Low-Dimensional Structure in the Space of Language Representations is Reflected in Brain Responses [62.197912623223964]
  言語モデルと翻訳モデルは,単語の埋め込み,構文的・意味的タスク,将来的な単語埋め込みとの間を円滑に介在する低次元構造を示す。 この表現埋め込みは、各特徴空間が、fMRIを用いて記録された自然言語刺激に対する人間の脳反応にどれだけうまく対応しているかを予測することができる。 これは、埋め込みが脳の自然言語表現構造の一部を捉えていることを示唆している。
  論文  参考訳（メタデータ） (2021-06-09T22:59:12Z)
• Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
  語彙意味変化をモデル化するための自己教師付きアプローチを提案する。 本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
  論文  参考訳（メタデータ） (2021-01-30T18:59:43Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)

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。