MMNov, 2019

生物学与组合性：新兴沟通协议的实证考虑

PDF
TL;DR本文探讨了关于 emergent communication 和 language origins 中 compositionality 和 reflexivity 的不同标准，指出了在未来的研究中注重 reflexivity 而非 compositionality 的重要性，并提供了一些有用的参考文献。
发现论文，激发创造
  • 紧急沟通：了解人类语言演化还缺什么？

    探讨了人类和神经网络代理之间新兴通信协议的三个重要现象，包括学习容易性、泛化和群体规模影响，强调了认知和交际限制对语言结构的影响，在神经仿真中引入此类限制将促进更语言上可信的行为。

    Apr, 2022

  • 关于新兴神经通信中组合性和模仿之间的关系

    研究了深度神经网络智能体在 Lewis 游戏中的模仿学习行为， 发现了组合性与模仿学习之间的关系， 带来了两个贡献：一是不同类型的学习算法对语言的影响， 二是发现组合性语言的易于模仿性

    May, 2023

  • 概念最佳匹配：评估新兴沟通中的组合性

    通过找出新出现的词和自然语言概念之间的最佳匹配，我们提出了一种评估新兴的通信的组成性的方法，这是第一次提供新出现词和人类概念之间直接可解释的映射。

    Mar, 2024

  • 新兴语言学习中的容量、带宽和组合性

    本文针对自然语言和应用语言学习中需要考虑的多种要素进行分析，重点关注神经网络的容量以及传输渠道的带宽对于学习组合性语言的影响，并且提出一种新的评估度量，以此探索神经网络的能力范围并促进系统化的广义化。

    Oct, 2019

  • 维护紧密性：应对新兴语言中的复合性问题

    本文研究了语言中的复合性在普遍性和人类认知中的作用，并通过两个代理人之间的沟通博弈，证明了当在适当的数据集上进行评估时，复合性确实似乎对成功的泛化至关重要。

    Jun, 2022

  • 内在动机的组合语言生成

    本篇论文提出一种内在奖励框架，通过强化学习设置两个代理，以在三个不同的指称游戏环境下将有限通道容量与内在奖励相结合，提高新颖环境下组合性得分约 1.5-2 倍。

    Dec, 2020

  • 新兴语言中的组合性和通用性

    本文研究深度多智能体模拟中涌现的语言是否具有类似于人类语言组合性的能力，通过分离表示学习中的受启发的新的衡量组合性的方法建立了三个主要结果：在有足够的输入空间的情况下，新概念的组合性将自然而然地产生；组合性的程度与语言的泛化能力无关；虽然组合性对于泛化来说不是必要的，但对于语言传递来说提供了优势。

    Apr, 2020

  • 使用内在动机的组合新兴协议进行零样本泛化

    本研究旨在使用好奇心作为反馈机制，诱导一种系统性和明确的语言协议，展示如何利用组合性不仅能让人工智能代理与未见过的对象交互，而且能在零样本场景下从一项任务中转移技能到另一项任务中。

    May, 2021

  • 深度繁衍传输下的组合语言出现

    本研究介绍了将文化演化动态引入语言出现过程中，通过定期更换人群中的代理以创建知识差距来提高语言的组成通用性。

    Apr, 2019

  • 语言模型中的紧迫沟通与学习压力：语言演化透视

    通过对自发交流模型的文献综述，我们确定了塑造语言模型的关键压力：交流成功、效率、易学性和其他心理 / 社会语言因素，并认为这可以为语言习得和语言演化研究的语言模型设计提供启示。

    Mar, 2024