論文の概要: Using Poly-Encoders for Computationally Efficient Automated Creativity Assessment

• arxiv url: http://arxiv.org/abs/2608.26165v1
• Date: Mon, 13 Jul 2026 14:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.37355
• Title: Using Poly-Encoders for Computationally Efficient Automated Creativity Assessment
• Title（参考訳）: 計算効率の良い自動創造性評価のためのポリエンコーダ
• Abstract要約: 本稿では, 計算効率が高く, 精度の高い自動創造性評価を行うために, ポリエンコーダを用いた新しい手法を提案する。 我々はScientific Creative Thinking Testの公開データセットにポリエンコーダを微調整した。 BERT- familyモデルとポリコード数を用いた実験により、Pearsonの相関は最大で0.74, 95% CI [0.73, 0.75] となり、資源集中型LLMの性能と一致した。
• 参考スコア（独自算出の注目度）: 0.038233569758620044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated creativity assessment has been a long standing challenge, with traditional methods often being resource intensive or lacking practical accuracy. We introduce a novel approach by using Poly-Encoder for computationally efficient and accurate automated creativity assessment. We fine-tuned a Poly-Encoder on a public dataset from the Scientific Creative Thinking Test, comprised of approximately 18,000 human-rated question responses. Our method leverages small pre-trained BERT encoders, achieving performance comparable to fine-tuned Large Language Models while significantly reducing computational demands. Experiments with the BERT-family models and poly-code counts achieved Pearson correlations of up to r = 0.74, 95% CI [0.73, 0.75] with human raters, matching the performance of resource intensive LLMs. This study bridges the gap between high performance and computational efficiency, potentially enabling widespread implementation of automated creativity assessment on accessible consumer-grade hardware. With some limitations, our findings suggest that Poly-Encoders are a promising alternative to LLMs for practical, scalable creativity assessment in various contexts, especially educational.
• Abstract（参考訳）: 創造性の自動評価は長年にわたる課題であり、伝統的な手法はリソース集約的あるいは実用的正確性に欠けることが多い。 本稿では, 計算効率が高く, 精度の高い自動創造性評価を行うために, ポリエンコーダを用いた新しい手法を提案する。 我々はScientific Creative Thinking Testの公開データセットにポリエンコーダを微調整した。 提案手法は,小型の学習済みBERTエンコーダを利用して,微調整大規模言語モデルに匹敵する性能を実現し,計算要求を大幅に低減する。 BERT- familyモデルとポリコード数を用いた実験により、Pearsonの相関は最大で0.74, 95% CI [0.73, 0.75] となり、資源集中型LLMの性能と一致した。 この研究は、高性能と計算効率のギャップを埋め、消費者が利用できるハードウェア上で自動創造性評価を広範囲に実装できる可能性がある。 その結果,ポリエンコーダは様々な文脈,特に教育において,実用的でスケーラブルなクリエイティビティアセスメントのためのLCMに代わる有望な代替手段であることが示唆された。

関連論文リスト

• Breaking the Computational Barrier: Provably Efficient Actor-Critic for Low-Rank MDPs [53.412166189410904]
  低ランクマルコフ決定過程(MDPs)の下で広く採用されているRLオーラクルの階層を確立するために,教師付き学習を計算プロキシとして利用する。 本研究の目的は,政策評価にのみ依存する新しい楽観的アクター批判アルゴリズムを提案することである。 提案アルゴリズムは,従来の計算コストの高い計画や最適化オーラクルを回避しつつ,既存のサンプル複雑度保証よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-02T04:46:54Z)
• Evaluating Text Creativity across Diverse Domains: A Dataset and Large Language Model Evaluator [26.89750429841565]
  大規模言語モデル(LLM)の創造性評価は依然として挑戦的なフロンティアである 本稿では,テキストの創造性を評価するためのペアワイズ比較フレームワークを提案する。 CreataSetのトレーニングを通じて, CrEvalというLCMに基づく評価器を開発した。
  論文  参考訳（メタデータ） (2025-05-25T17:25:23Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Enabling Real-Time Conversations with Minimal Training Costs [61.80370154101649]
  本稿では,2つの言語モデルに対して,最小限の訓練を要し,2つの言語能力を持つ新しい重複復号法を提案する。 実験結果から,本手法はトレーニングコストの最小化とともに,ユーザとAIのインタラクションの自然性と人間的類似性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-09-18T06:27:26Z)
• FactorLLM: Factorizing Knowledge via Mixture of Experts for Large Language Models [50.331708897857574]
  本稿では,高度に訓練された高密度FFNを余分なサブネットワークに分解する新しいアプローチであるFacterLLMを紹介する。 FactorLLMは、最大85%のモデル性能を確保しながら、推論速度を30%以上増加させながら、ソースモデルに匹敵するパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-08-15T16:45:16Z)
• Towards Leveraging AutoML for Sustainable Deep Learning: A Multi-Objective HPO Approach on Deep Shift Neural Networks [16.314030132923026]
  本研究では,資源消費を最小化しつつ,DSNNの性能を最大化するためのハイパーパラメータ最適化(HPO)の影響について検討する。 実験の結果,提案手法の有効性が示され,精度が80%以上,計算コストが低いモデルが得られた。
  論文  参考訳（メタデータ） (2024-04-02T14:03:37Z)
• Unifying Synergies between Self-supervised Learning and Dynamic Computation [53.66628188936682]
  SSLとDCのパラダイム間の相互作用に関する新しい視点を提示する。 SSL設定において、スクラッチから高密度かつゲートされたサブネットワークを同時に学習することは可能であることを示す。 密集エンコーダとゲートエンコーダの事前学習における共進化は、良好な精度と効率のトレードオフをもたらす。
  論文  参考訳（メタデータ） (2023-01-22T17:12:58Z)
• Balancing Value Underestimation and Overestimation with Realistic Actor-Critic [6.205681604290727]
  本稿では,新しいモデルフリーアルゴリズムであるRealistic Actor-Critic(RAC)を提案する。 RACはUniversal Value Function Approximator (UVFA)を使用して、同じニューラルネットワークを持つポリシーファミリを同時に学習する。 我々は,MuJoCoベンチマークでRACを評価し,最も困難なHumanoid環境において,SACと比較して10倍のサンプル効率と25%の性能向上を実現した。
  論文  参考訳（メタデータ） (2021-10-19T03:35:01Z)

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。