論文の概要: Automated Semantic Rules Detection (ASRD) for Emergent Communication Interpretation

• arxiv url: http://arxiv.org/abs/2601.03254v1
• Date: Tue, 06 Jan 2026 18:57:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:13.070833
• Title: Automated Semantic Rules Detection (ASRD) for Emergent Communication Interpretation
• Title（参考訳）: 創発的コミュニケーション解釈のための自動意味ルール検出(ASRD)
• Authors: Bastien Vanderplaetse, Xavier Siebert, Stéphane Dupont,
• Abstract要約: 本稿では,ルイスゲーム上で2つの異なるデータセットで訓練されたエージェントによって交換されたメッセージの関連パターンを抽出する自動意味ルール検出(ASRD)アルゴリズムを提案する。 ASRDは、抽出したパターンを入力データの特定の属性に関連付けることにより、創発的コミュニケーションの解釈を支援する。
• 参考スコア（独自算出の注目度）: 1.9599274203282298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The field of emergent communication within multi-agent systems examines how autonomous agents can independently develop communication strategies, without explicit programming, and adapt them to varied environments. However, few studies have focused on the interpretability of emergent languages. The research exposed in this paper proposes an Automated Semantic Rules Detection (ASRD) algorithm, which extracts relevant patterns in messages exchanged by agents trained with two different datasets on the Lewis Game, which is often studied in the context of emergent communication. ASRD helps at the interpretation of the emergent communication by relating the extracted patterns to specific attributes of the input data, thereby considerably simplifying subsequent analysis.
• Abstract（参考訳）: 多エージェントシステムにおける創発的コミュニケーションの分野は、自律的エージェントが明示的なプログラミングなしにコミュニケーション戦略を独立して開発し、それらを様々な環境に適応させる方法について検討する。 しかし、創発的言語の解釈可能性に焦点を当てた研究はほとんどない。 本稿では,Lewis Game上で2つの異なるデータセットで訓練されたエージェントによるメッセージ交換における関連パターンを抽出する自動意味ルール検出(ASRD)アルゴリズムを提案する。 ASRDは、抽出したパターンを入力データの特定の属性に関連付けることにより、創発的コミュニケーションの解釈を支援する。

関連論文リスト

• Interpretable Emergent Language Using Inter-Agent Transformers [0.0]
  本稿では,変圧器を用いたマルチエージェント強化学習における言語の出現について検討する。 本稿では, 自己認識を利用して, 記号的, 人間の理解可能な通信プロトコルを学習する, 微分可能言語間変換器を提案する。
  論文  参考訳（メタデータ） (2025-05-04T18:57:57Z)
• Multi-Modal Self-Supervised Semantic Communication [52.76990720898666]
  本稿では,マルチモーダルな自己教師型学習を活用し,タスク非依存の特徴抽出を強化するマルチモーダル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。 提案手法は,訓練関連通信オーバーヘッドを最小限に抑えつつ,モダリティの不変性とモダリティ特有の特徴の両方を効果的に捉えている。 この結果は、セマンティックコミュニケーションにおけるマルチモーダルな自己教師型学習の利点を浮き彫りにし、より効率的でスケーラブルなエッジ推論システムへの道を開いた。
  論文  参考訳（メタデータ） (2025-03-18T06:13:02Z)
• Bidirectional Emergent Language in Situated Environments [4.950411915351642]
  マルチエージェントポンとコレクターの2つの新しい協調環境を紹介した。 最適なパフォーマンスには通信プロトコルの出現が必要ですが、適度な成功はそれなしで達成できます。 エージェントは意味のあるメッセージのみを生成し、調整なしでは成功できない状態の受信メッセージに作用する。
  論文  参考訳（メタデータ） (2024-08-26T21:25:44Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• 'What are you referring to?' Evaluating the Ability of Multi-Modal Dialogue Models to Process Clarificational Exchanges [65.03196674816772]
  参照表現が宛先に対して意図された参照を一意に識別しない場合、参照の曖昧さが対話で生じる。 出席者は、通常、そのような曖昧さをすぐに検知し、メタコミュニケーション、明確化取引所(CE: Meta-communicative, Clarification Exchanges)を使用して、話者と作業する。 ここでは、CRを生成・応答する能力は、マルチモーダルな視覚的基盤を持つ対話モデルのアーキテクチャと目的関数に特定の制約を課していると論じる。
  論文  参考訳（メタデータ） (2023-07-28T13:44:33Z)
• Graph Exploration for Effective Multi-agent Q-Learning [46.723361065955544]
  本稿では,エージェント間のグラフベース通信を用いたマルチエージェント強化学習(MARL)の探索手法を提案する。 エージェントが受け取った個々の報酬は、他のエージェントのアクションとは独立していると仮定する一方で、そのポリシーは結合されている。 提案手法では,より効率的な爆発行動を実行するために,近隣のエージェントが協調して状態-作用空間の不確かさを推定する。
  論文  参考訳（メタデータ） (2023-04-19T10:28:28Z)
• On the Role of Emergent Communication for Social Learning in Multi-Agent Reinforcement Learning [0.0]
  社会学習は、専門家からのヒントを使って、異質なポリシーを整列し、サンプルの複雑さを減らし、部分的に観察可能なタスクを解決する。 本稿では,情報ボトルネックに基づく教師なし手法を提案する。
  論文  参考訳（メタデータ） (2023-02-28T03:23:27Z)
• Color Overmodification Emerges from Data-Driven Learning and Pragmatic Reasoning [53.088796874029974]
  話者の指示表現は、実践的な言語使用の性質を照らし出すのに役立つ方法で、コミュニケーションイデアルから逸脱していることを示す。 ニューラルネットワークを学習エージェントとして採用することにより、過度な修正は、頻度の低い、あるいは正常な環境特性に結びつく可能性が高いことを示す。
  論文  参考訳（メタデータ） (2022-05-18T18:42:43Z)
• Improving Multi-task Generalization Ability for Neural Text Matching via Prompt Learning [54.66399120084227]
  最近の最先端のニューラルテキストマッチングモデル(PLM)は、様々なタスクに一般化することが難しい。 我々は、特殊化一般化訓練戦略を採用し、それをMatch-Promptと呼ぶ。 特殊化段階では、異なるマッチングタスクの記述はいくつかのプロンプトトークンにマッピングされる。 一般化段階において、テキストマッチングモデルは、多種多様なマッチングタスクを訓練することにより、本質的なマッチング信号を探索する。
  論文  参考訳（メタデータ） (2022-04-06T11:01:08Z)

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。