論文の概要: Learning Shuffle Ideals with Membership Queries and Contrastive Examples

• arxiv url: http://arxiv.org/abs/2609.32820v1
• Date: Sat, 26 Sep 2026 17:47:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:58:22.27614
• Title: Learning Shuffle Ideals with Membership Queries and Contrastive Examples
• Title（参考訳）: メンバシップクエリによるシャッフルアイデアの学習とコントラスト事例
• Abstract要約: 我々は,シャッフルイデアルの学習を,メンバシップクエリとコントラストクエリで研究する。 両方の設定において、非常に単純なシャッフルイデアルのクラスでさえ効率的に学習できないことが示されている。
• 参考スコア（独自算出の注目度）: 2.220084452907513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies learning of shuffle ideals with membership queries as well as with contrastive queries---a form of membership query that reveals not only whether a selected word $w$ is in the target language or not, but also provides a most similar word $w'$ that belongs to the target language if %and only if $w$ does not. For both settings, it is shown that even some very simple classes of shuffle ideals cannot be learned efficiently. By contrast, we obtain positive learnability results for classes of shuffle ideals that meet certain structural conditions. In the case of membership queries, these structural conditions are related to the previously studied notion of universal words, and raise new questions in word combinatorics. In the case of contrastive queries, the structural conditions relate to partitioning sets of words that are listed in shortlex order.
• Abstract（参考訳）: 本稿では,選択した単語$w$が対象言語に含まれるか否かだけでなく,%および$w$がそうでない場合にのみ対象言語に属する最も類似した単語$w'$も提供する。 両方の設定において、非常に単純なシャッフルイデアルのクラスでさえ効率的に学習できないことが示されている。 対照的に、ある構造条件を満たすシャッフルイデアルのクラスに対する正の学習可能性結果を得る。 メンバシップクエリの場合、これらの構造条件は、以前研究された普遍的な単語の概念と関連付けられ、単語コンビネータで新しい疑問が提起される。 対照的なクエリの場合、構造条件はショートレックス順にリストされる単語の分割セットに関連する。

関連論文リスト

• Order Matters: Rethinking Prompt Construction in In-Context Learning [52.19217980839306]
  In-context Learning (ICL)により、大規模言語モデルでは、例の列に条件付けすることで、新しいタスクを実行できる。 以前の作業のほとんどは、どの例が選択されたかが、これらの例の順序よりもパフォーマンスにはるかに大きな影響を与えると仮定している。 この仮定を再検討し、選択と順序付けの効果を体系的に比較する。
  論文  参考訳（メタデータ） (2025-11-12T19:57:55Z)
• Language Models May Verbatim Complete Text They Were Not Explicitly Trained On [97.3414396208613]
  我々は、$n$-gram ベースのメンバシップ定義を効果的にゲームできることを示す。 会員定義に対して$n$の1つの実行可能な選択を見つけることは困難であることを示す。 以上の結果から,n$-gramの会員シップが不十分であることが示唆された。
  論文  参考訳（メタデータ） (2025-03-21T19:57:04Z)
• Dense X Retrieval: What Retrieval Granularity Should We Use? [56.90827473115201]
  しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。 本稿では,高密度検索のための新しい検索ユニット,命題を提案する。 実験により、提案のような細粒度単位によるコーパスのインデックス付けは、検索タスクにおける通過レベル単位を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-12-11T18:57:35Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Divide and Conquer: Text Semantic Matching with Disentangled Keywords and Intents [19.035917264711664]
  本稿では,キーワードを意図から切り離してテキストセマンティックマッチングを行うためのトレーニング戦略を提案する。 提案手法は,予測効率に影響を与えることなく,事前学習言語モデル(PLM)と容易に組み合わせることができる。
  論文  参考訳（メタデータ） (2022-03-06T07:48:24Z)
• APANet: Adaptive Prototypes Alignment Network for Few-Shot Semantic Segmentation [56.387647750094466]
  Few-shotのセマンティックセマンティックセマンティクスは、指定されたクエリイメージに、ラベル付きサポートイメージのみで、新規クラスのオブジェクトをセグメントすることを目的としている。 ほとんどの高度なソリューションは、各クエリ機能を学習したクラス固有のプロトタイプにマッチさせることでセグメンテーションを実行するメトリクス学習フレームワークを利用している。 本稿では,クラス固有およびクラス非依存のプロトタイプを導入することで,適応型プロトタイプ表現を提案する。
  論文  参考訳（メタデータ） (2021-11-24T04:38:37Z)
• End-to-End Open Vocabulary Keyword Search [13.90172596423425]
  本稿では,キーワード検索に最適化されたモデルを提案する。 提案モデルでは, 正と負の試行比率が人工的に均衡するタスクにおいて, 同様のエンド・ツー・エンドモデルより優れる。 LVCSRをベースとしたキーワード検索システムでは,出力の再スコア付けに本システムを用いることで,大幅な改善が期待できる。
  論文  参考訳（メタデータ） (2021-08-23T18:34:53Z)
• An extended Knowledge Compilation Map for Conditional Preference Statements-based and Generalized Additive Utilities-based Languages [0.0]
  等価性や変換など,これまで解決されていないクエリの複雑さについて検討する。 これは条件付き嗜好文に基づく言語のための知識コンパイルマップに寄与する。
  論文  参考訳（メタデータ） (2021-02-08T10:19:40Z)

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。