Fugu-MT 論文翻訳(概要): Virgil: Navigating Explainability for Transformer-based Language Models

論文の概要: Virgil: Navigating Explainability for Transformer-based Language Models

arxiv url: http://arxiv.org/abs/2608.25555v1
Date: Wed, 26 Aug 2026 09:05:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.696009
Title: Virgil: Navigating Explainability for Transformer-based Language Models
Title（参考訳）: Virgil: トランスフォーマーベースの言語モデルのための説明可能性のナビゲート
Abstract要約: Virgilは、非専門家を含む実践者や研究者がトランスフォーマー言語モデルの説明可能性ツールをナビゲートするインタラクティブシステムである。キュレートされた知識ベースによってサポートされ、ユーザーは統一インターフェース内で説明可能性ツールを発見し、比較することができる。
参考スコア（独自算出の注目度）: 3.470815144512788
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Explainability for transformer-based language models is becoming crucial as these systems are deployed in high-stakes applications. As a result, the ecosystem of explainability tools is rapidly evolving, becoming richer, but also more fragmented and harder to navigate. To address this challenge, we present Virgil, an interactive system that lets practitioners and researchers, including non-experts, navigate explainability tools for transformer language models. Supported by a curated knowledge base, the system enables users to discover and compare explainability tools within a unified interface.
Abstract（参考訳）: トランスフォーマーベースの言語モデルの説明可能性の重要性は、これらのシステムがハイテイクなアプリケーションにデプロイされるにつれて重要になっている。その結果、説明可能性ツールのエコシステムは急速に進化し、よりリッチになりつつも、断片化され、ナビゲートが難しくなっています。この課題に対処するために、私たちはVirgilというインタラクティブなシステムを紹介します。これは、実践者や研究者が、非専門家を含む、トランスフォーマー言語モデルの説明可能性ツールをナビゲートすることを可能にするものです。キュレートされた知識ベースによってサポートされ、ユーザーは統一インターフェース内で説明可能性ツールを発見し、比較することができる。

関連論文リスト

Survey: Transformer-based Models in Data Modality Conversion [0.8136541584281987]
モダリティ・コンバージョン(Modality Conversion)は、人間が知覚情報を統合して解釈する方法を模倣して、ある形態の表現から別の形式へのデータの変換を行う。本稿では, テキスト, 視覚, 音声の一次モーダル性に適用されたトランスフォーマーモデルについて, アーキテクチャ, 変換手法, 応用について論じる。
論文参考訳（メタデータ） (2024-08-08T18:39:14Z)
Transformer Explainer: Interactive Learning of Text-Generative Models [65.91049787390692]
Transformer Explainerは、GPT-2モデルを通じてTransformerについて学ぶために非専門家向けに設計されたインタラクティブな可視化ツールである。ライブのGPT-2インスタンスをユーザのブラウザでローカルに実行し、ユーザが自身の入力を実験し、Transformerの内部コンポーネントとパラメータの協調動作をリアルタイムで観察することを可能にする。
論文参考訳（メタデータ） (2024-08-08T17:49:07Z)
Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
論文参考訳（メタデータ） (2024-06-26T17:59:18Z)
Explaining Text Similarity in Transformer Models [52.571158418102584]
説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
論文参考訳（メタデータ） (2024-05-10T17:11:31Z)
LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
論文参考訳（メタデータ） (2024-04-03T23:57:34Z)
Adventures of Trustworthy Vision-Language Models: A Survey [54.76511683427566]
本稿では,バイス,ロバスト性,解釈可能性の3つの基本原理を用いて,視覚言語変換器の徹底的な検証を行う。本研究の主な目的は, トランスフォーマーの実用化に伴う複雑さと複雑さを掘り下げることであり, 信頼性と説明責任を高める方法の理解を深めることである。
論文参考訳（メタデータ） (2023-12-07T11:31:20Z)
Explainability of Vision Transformers: A Comprehensive Review and New Perspectives [11.853186902106067]
トランスフォーマーは自然言語処理に大きな影響を与え、最近コンピュータビジョンにおけるその可能性を実証した。本研究では、視覚変換器に提案する様々な説明可能性手法について検討し、それらを分類するための分類法を提案する。分析結果の比較に使用できる評価基準の総合的なレビューを提供する。
論文参考訳（メタデータ） (2023-11-12T09:23:40Z)
Knowledge-Infused Self Attention Transformers [11.008412414253662]
トランスフォーマーベースの言語モデルは、様々な自然言語処理タスクにおいて驚くべき成功を収めた。本稿では,トランスモデルの異なるコンポーネントに知識を注入するための体系的手法を提案する。
論文参考訳（メタデータ） (2023-06-23T13:55:01Z)
Transformadores: Fundamentos teoricos y Aplicaciones [0.14504054468850663]
Transformersは、元々自然言語処理用に開発されたニューラルネットワークアーキテクチャである。この論文はスペイン語で書かれており、この科学的知識をスペイン語圏のコミュニティでより理解しやすいものにしている。
論文参考訳（メタデータ） (2023-02-18T13:30:32Z)
XDBERT: Distilling Visual Information to BERT from Cross-Modal Systems to Improve Language Understanding [73.24847320536813]
本研究では,事前学習したマルチモーダル変換器から事前学習した言語エンコーダへの視覚情報の蒸留について検討する。我々のフレームワークは,NLUの言語重み特性に適応するために学習目標を変更する一方で,視覚言語タスクにおけるクロスモーダルエンコーダの成功にインスパイアされている。
論文参考訳（メタデータ） (2022-04-15T03:44:00Z)
Transformer visualization via dictionary learning: contextualized embedding as a linear superposition of transformer factors [15.348047288817478]
我々は,変圧器因子の線形重ね合わせとして,辞書学習を用いて「ブラックボックス」を開くことを提案する。可視化により,変換因子によって得られた階層的意味構造を実演する。この視覚化ツールによって、トランスフォーマーネットワークの動作に関するさらなる知識と理解が得られればと思っています。
論文参考訳（メタデータ） (2021-03-29T20:51:33Z)

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。