論文の概要: BabyLM Turns 4: Call for Papers for the 2026 BabyLM Workshop
- arxiv url: http://arxiv.org/abs/2602.20092v1
- Date: Mon, 23 Feb 2026 18:02:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.938496
- Title: BabyLM Turns 4: Call for Papers for the 2026 BabyLM Workshop
- Title（参考訳）: BabyLMが4歳になった: 2026年のBabyLMワークショップのために論文を募集中
- Authors: Leshem Choshen, Ryan Cotterell, Mustafa Omer Gul, Jaap Jumelet, Tal Linzen, Aaron Mueller, Suchir Salhan, Raj Sanjay Shah, Alex Warstadt, Ethan Gotlieb Wilcox,
- Abstract要約: BabyLMは認知モデリングと言語モデリングの境界を解消することを目的としている。
第4回BabyLMコンペティションに参加するためには,ワークショップ論文と研究者の両方が必要だ。
- 参考スコア（独自算出の注目度）: 73.0356575273869
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: BabyLM aims to dissolve the boundaries between cognitive modeling and language modeling. We call for both workshop papers and for researchers to join the 4th BabyLM competition. As in previous years, we call for participants in the data-efficient pretraining challenge in the general track. This year, we also offer a new track: Multilingual. We also call for papers outside the competition in any relevant areas. These include training efficiency, cognitively plausible research, weak model evaluation, and more.
- Abstract（参考訳）: BabyLMは認知モデリングと言語モデリングの境界を解消することを目的としている。
第4回BabyLMコンペティションに参加するためには,ワークショップ論文と研究者の両方が必要だ。
これまでのように、一般トラックにおけるデータ効率向上のための事前学習課題の参加者を募集している。
今年は、Multilingualという新しいトラックも提供します。
関連分野のコンペ以外の論文も求めています。
これには、トレーニングの効率性、認知的に妥当な研究、弱いモデル評価などが含まれる。
関連論文リスト
- Findings of the BabyLM Challenge: Sample-Efficient Pretraining on Developmentally Plausible Corpora [84.03928547166873]
子どもたちは1億ワード未満の入力から言語を習得できる。
大規模な言語モデルはデータ効率がはるかに低く、通常は3～4桁以上のデータを必要とするが、多くの評価において人間ほど性能は高くない。
BabyLM Challengeは、参加者が固定データ予算で言語モデルトレーニングを最適化するために競う共同作業である。
論文 参考訳（メタデータ） (2025-04-10T23:22:43Z) - BabyLM Turns 3: Call for papers for the 2025 BabyLM workshop [77.62533643491747]
BabyLMは認知モデリングと言語モデリングの境界を解消することを目的としている。
第3回BabyLMコンペティションに参加するためには,ワークショップ論文と研究者の両方が必要だ。
論文 参考訳（メタデータ） (2025-02-15T02:46:43Z) - A surprisal oracle for when every layer counts [2.5716627278119444]
Active Curriculum Language Modeling (ACLM)は、言語モデルをトレーニングするための学習者指向のアプローチである。
本稿では,BabyLM 2024タスクに対するACLMプロセスの更新を提案する。
論文 参考訳（メタデータ） (2024-12-04T07:53:45Z) - [Call for Papers] The 2nd BabyLM Challenge: Sample-efficient pretraining on a developmentally plausible corpus [81.34965784440176]
このCfPはBabyLM Challenge 2024-2025のルールを提供する。
課題の全体的目標は同じままです。
私たちは緩い線を紙の線で置き換える。
事前学習に関するルールを緩和します。
マルチモーダル・ヴィジュアル・アンド・ランゲージ・トラックを導入する。
論文 参考訳（メタデータ） (2024-04-09T11:04:50Z)
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。