Fugu-MT 論文翻訳(概要): The Free Transformer

論文の概要: The Free Transformer

arxiv url: http://arxiv.org/abs/2510.17558v1
Date: Mon, 20 Oct 2025 14:05:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 00:56:39.474664
Title: The Free Transformer
Title（参考訳）: フリートランス
Authors: François Fleuret,
Abstract要約: 本稿では,デコーダ変換器の拡張手法を提案する。実験により,そのような条件付けを行うことで,下流タスクの大幅な改善が期待できることがわかった。
参考スコア（独自算出の注目度）: 22.263776160607772
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose an extension of the decoder Transformer that conditions its generative process on random latent variables which are learned without supervision thanks to a variational procedure. Experimental evaluations show that allowing such a conditioning translates into substantial improvements on downstream tasks.
Abstract（参考訳）: 本稿では,デコーダ変換器の拡張手法を提案する。実験により,そのような条件付けを行うことで,下流タスクの大幅な改善が期待できることがわかった。

関連論文リスト

Quantization-Free Autoregressive Action Transformer [18.499864366974613]
現在のトランスフォーマーに基づく模倣学習アプローチは、離散的なアクション表現を導入し、結果として生じる潜在コードに対して自己回帰型トランスフォーマーデコーダを訓練する。本稿では,自動回帰変換器の直接的かつ連続的なポリシパラメトリゼーションとして生成無限語彙変換器(GIVT)を利用する量子化フリー手法を提案する。
論文参考訳（メタデータ） (2025-03-18T13:50:35Z)
AlgoFormer: An Efficient Transformer Framework with Algorithmic Structures [80.28359222380733]
アルゴリズム機能を備えたトランスフォーマーを実現するために,AlgoFormerと呼ばれる新しいトランスフォーマーフレームワークを設計する。特に、人間の設計した学習アルゴリズムの構造に触発されて、我々のトランスフォーマーフレームワークは、タスク前処理に責任を持つ事前変換器で構成されています。いくつかの理論的および実証的な結果は、設計されたトランスフォーマーがアルゴリズム表現と学習を行う可能性があることを示すために提示される。
論文参考訳（メタデータ） (2024-02-21T07:07:54Z)
Transformers can optimally learn regression mixture models [22.85684729248361]
変換器は回帰の混合に対して最適な予測器を学習できることを示す。実験では、トランスフォーマーがサンプル効率のよい方法で回帰の混合を学習できることも示している。決定理論の最適手順が実際に変換器によって実装可能であることを具体的確に証明する。
論文参考訳（メタデータ） (2023-11-14T18:09:15Z)
Recurrence Boosts Diversity! Revisiting Recurrent Latent Variable in Transformer-Based Variational AutoEncoder for Diverse Text Generation [85.5379146125199]
変分自動エンコーダ(VAE)はテキスト生成において広く採用されている。本稿ではトランスフォーマーをベースとしたリカレントVAE構造であるTRACEを提案する。
論文参考訳（メタデータ） (2022-10-22T10:25:35Z)
Viterbi Decoding of Directed Acyclic Transformer for Non-Autoregressive Machine Translation [13.474844448367367]
非自己回帰モデルは、ニューラルネットワーク翻訳において大幅なデコードスピードアップを実現するが、シーケンシャルな依存関係をキャプチャする能力は欠如している。本稿では, DA-Transformer のためのビタビ復号化フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-11T06:53:34Z)
XAI for Transformers: Better Explanations through Conservative Propagation [60.67748036747221]
変換器の勾配は局所的にのみ関数を反映しており、入力特徴の予測への寄与を確実に識別できないことを示す。我々の提案は、よく確立されたLPP法のトランスフォーマーへの適切な拡張と見なすことができる。
論文参考訳（メタデータ） (2022-02-15T10:47:11Z)
Applying the Transformer to Character-level Transduction [68.91664610425114]
この変換器は、様々な単語レベルのNLPタスクにおいて、繰り返しニューラルネットワークに基づくシーケンス・ツー・シーケンスモデルより優れていることが示されている。十分なバッチサイズで、トランスフォーマーは文字レベルタスクの繰り返しモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2020-05-20T17:25:43Z)
Variational Transformers for Diverse Response Generation [71.53159402053392]
変分変換器(VT)は、変分自己注意フィードフォワードシーケンスモデルである。 VTはトランスフォーマーの並列化性と大域的受容場計算とCVAEの変動特性を組み合わせる。本稿では,1)大域潜伏変数を用いた談話レベルの多様性のモデル化,2)細粒潜伏変数の列によるトランスフォーマーデコーダの拡張,の2種類のVTについて検討する。
論文参考訳（メタデータ） (2020-03-28T07:48:02Z)

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。