論文の概要: Known Intents, New Combinations: Clause-Factorized Decoding for Compositional Multi-Intent Detection
- arxiv url: http://arxiv.org/abs/2603.28929v1
- Date: Mon, 30 Mar 2026 19:06:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:02.741667
- Title: Known Intents, New Combinations: Clause-Factorized Decoding for Compositional Multi-Intent Detection
- Title（参考訳）: 未知のインテントと新しい組み合わせ: 合成多インテント検出のためのクローズファクタライズデコーディング
- Authors: Abhilash Nandy,
- Abstract要約: マルチインテリジェンス検出において,構成一般化を強調するために構築されたベンチマークを提案する。
シングルトンインテントのみをトレーニングした軽量デコーダであるClausComposeも紹介します。
その結果,マルチインテリジェント検出にはより構成的評価が必要であることが示唆された。
- 参考スコア（独自算出の注目度）: 2.771473789027766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-intent detection papers usually ask whether a model can recover multiple intents from one utterance. We ask a harder and, for deployment, more useful question: can it recover new combinations of familiar intents? Existing benchmarks only weakly test this, because train and test often share the same broad co-occurrence patterns. We introduce CoMIX-Shift, a controlled benchmark built to stress compositional generalization in multi-intent detection through held-out intent pairs, discourse-pattern shift, longer and noisier wrappers, held-out clause templates, and zero-shot triples. We also present ClauseCompose, a lightweight decoder trained only on singleton intents, and compare it to whole-utterance baselines including a fine-tuned tiny BERT model. Across three random seeds, ClauseCompose reaches 95.7 exact match on unseen intent pairs, 93.9 on discourse-shifted pairs, 62.5 on longer/noisier pairs, 49.8 on held-out templates, and 91.1 on unseen triples. WholeMultiLabel reaches 81.4, 55.7, 18.8, 15.5, and 0.0; the BERT baseline reaches 91.5, 77.6, 48.9, 11.0, and 0.0. We also add a 240-example manually authored SNIPS-style compositional set with five held-out pairs; there, ClauseCompose reaches 97.5 exact match on unseen pairs and 86.7 under connector shift, compared with 41.3 and 10.4 for WholeMultiLabel. The results suggest that multi-intent detection needs more compositional evaluation, and that simple factorization goes surprisingly far once evaluation asks for it.
- Abstract（参考訳）: マルチインテント検出用紙は通常、あるモデルが1つの発話から複数のインテントを復元できるかどうかを問う。
私たちは、より難しく、デプロイするために、より有用な質問をしました。
既存のベンチマークでは、列車とテストは同じ広い共起パターンを共有することが多いため、このテストが弱いだけである。
CoMIX-Shiftは,保持意図ペア,談話パターンシフト,長大かつノイズの多いラッパー,保留節テンプレート,ゼロショットトリプルによる多視点検出における合成一般化の強調を目的とした,制御されたベンチマークである。
また、シングルトンインテントのみをトレーニングした軽量デコーダであるClausComposeを、微調整の小さなBERTモデルを含む全発話ベースラインと比較する。
ランダムな3つの種の中で、クラウスコンスは、目に見えない意図のペアで95.7点、談話シフトペアで93.9点、長い/ノイズのペアで62.5点、保留テンプレートで49.8点、目に見えない三重奏で91.1点に達した。
WholeMultiLabelは81.4, 55.7, 18.8, 15.5, 0.0であり、BERTベースラインは91.5, 77.6, 48.9, 11.0, 0.0である。
また、240個の手書きのSNIPSスタイルの合成セットを5つのホールトアウトペアで追加し、WholeMultiLabelの41.3と10.4と比較して、ClausComposeは未確認ペアで97.5の精度で一致し、コネクタシフトで86.7に達した。
その結果,マルチインテント検出には構成的評価が必要であることが示唆され,評価が要求されれば,単純な因子化が驚くほど進んでいることが示唆された。
関連論文リスト
- Measuring Faithfulness Depends on How You Measure: Classifier Sensitivity in LLM Chain-of-Thought Evaluation [0.0]
連鎖忠実性に関する最近の研究は、単一集合数について報告している。
本論文は、忠実性はモデルの客観的かつ測定可能な性質ではないことを示す。
論文 参考訳（メタデータ） (2026-03-20T17:48:43Z) - Detect Anything in Real Time: From Single-Prompt Segmentation to Multi-Class Detection [0.0]
本稿では,SAM3を実時間マルチクラス検出器に変換する学習自由フレームワークを提案する。
val 2017 (5000イメージ、80クラス)では、1つのGTX 4080で15.8 FPS (4クラス、1008x1008)で55.8 APを達成した。
極端遅延ターゲットでは、冷凍エンコーダデコーダによるアダプタ蒸留は、13.9msのバックボーンで38.7 APを達成する。
論文 参考訳（メタデータ） (2026-03-12T02:05:11Z) - ACAR: Adaptive Complexity Routing for Multi-Model Ensembles with Auditable Decision Traces [3.151184728006369]
本稿では,聴覚条件下でのマルチモデルオーケストレーションのための測定フレームワークACARを提案する。
ACARは、N=3プローブサンプルから計算した自己整合分散(sigma)を使用して、単一モデル、2モデル、3モデル実行モードでタスクをルーティングする。
我々は4つのベンチマークにまたがる1,510のタスクに対してACARを評価し、7,550以上の監査可能な実行を生成した。
論文 参考訳（メタデータ） (2026-02-06T23:27:17Z) - Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation [0.0]
本稿では,Amazon Reviews 2023 (Fashion) サブセットを微調整した2-towerバイエンコーダをベースとした,スケーラブルな高密度検索システムを提案する。
我々は、レビューテキスト(クエリプロキシとして)とアイテムメタデータ(ポジティブドキュメントとして)からトレーニングペアを構築し、500トークンの最大シーケンス長で50,000のサンプルインタラクションを微調整する。
826,402のカタログ項目に対するレビュー・ツー・タイトルのベンチマークでは、Recall@10が0.26(BM25)から0.66に改善されました。
論文 参考訳（メタデータ） (2026-01-31T20:58:23Z) - TimeStampEval: A Simple LLM Eval and a Little Fuzzy Matching Trick to Improve Search Accuracy [0.0]
TimeStampEvalは、非バーバティムな引用を与えられた長い書き起こしから正確にミリ秒のタイムスタンプを取得するためのベンチマークである。
簡単な2段階法では,推論コストを90%以上削減しながら,検索精度を劇的に向上させる。
モチベーションのユースケースは、議会記録のクリップをAIがホストする動詞のナレーションにまとめる、自動化されたロングフォームポッドキャストである。
論文 参考訳（メタデータ） (2025-10-27T21:54:56Z) - Broken Tokens? Your Language Model can Secretly Handle Non-Canonical Tokenizations [83.93566096400723]
ランダムにサンプリングされたトークン化が与えられた場合、命令調整されたモデルは元の性能の最大93.4%を維持している。
文字レベルのセグメンテーションは文字列操作とコード理解タスクを最大+14%改善する。
右列桁のグルーピングは、大数の算術を+33%向上させる。
論文 参考訳（メタデータ） (2025-06-23T18:02:26Z) - Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。
我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
論文 参考訳（メタデータ） (2025-03-07T08:41:53Z) - Preference Optimization for Reasoning with Pseudo Feedback [100.62603571434167]
提案手法では,解のラベル付けを関連するテストケースに対する評価として行うことで,推論タスクに対する疑似フィードバックを生成する手法を提案する。
本研究では,擬似フィードバックを優先最適化に用いる数学的推論と符号化の両タスクについて実験を行い,両タスク間の改善を観察する。
論文 参考訳（メタデータ） (2024-11-25T12:44:02Z) - Mixtral of Experts [57.411379935325435]
Mixtral 8x7Bはスパース・ミックス・オブ・エキスパートズ(SMOE)言語モデルである。
Mixtralは数学、コード生成、多言語ベンチマークでLlama 270Bをはるかに上回っている。
また、GPT-3.5 Turbo、Claude-2.1、Gemini Pro、Llama 2 70Bを超越したMixtral 8x7B - Instructという命令に従うように微調整されたモデルも提供する。
論文 参考訳（メタデータ） (2024-01-08T18:47:34Z) - Efficient Intent Detection with Dual Sentence Encoders [53.16532285820849]
本稿では,USE や ConveRT などの事前訓練された二重文エンコーダによるインテント検出手法を提案する。
提案するインテント検出器の有用性と適用性を示し,完全なBERT-Largeモデルに基づくインテント検出器よりも優れた性能を示す。
コードだけでなく、新しい挑戦的な単一ドメイン意図検出データセットもリリースしています。
論文 参考訳（メタデータ） (2020-03-10T15:33:54Z)
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。