Dec, 2019

重复指代游戏中学习动态的表征

PDF
TL;DR使用自然語言處理的方式分析了在重複參照遊戲中，設定共同基礎並理解彼此喜好的過程。發現不同的語言配對會發現各種特殊而有效的合作方式，而這些合作方式受到溝通環境的影響。此外還發現人們說話越來越有效率，最終成為包含開放類詞語的簡短標籤。
natural language processingdyadic interactionsreference game taskconvention formationcomputational models
发现论文，激发创造
  • 高效机器通信的持续自适应

    本研究提出了一个基于交互式重复参考任务的连续学习框架，以更准确和高效地与伙伴通信，并通过 COCO 的模拟和与人类伙伴的实时参考游戏实验进行了评估。

    Nov, 2019

  • 比较联结意义模型：简单语言游戏引用的实证调查

    研究了在语境中只提供联想信息的情况下，参考游戏中所用的联想信息类型和用于实现信息参考的词汇资源和语言习得者的实用策略，在听者行为中发现直接二元组关联的策略比词向量或语义知识图谱关联更适用，发现很少有理性言语行为的迹象。

    Oct, 2018

  • 注重信息，忽略不重要的：指称游戏中的沟通策略

    本文研究了多代理协作，发现当人工智能代理学习玩简单参考游戏的同时，也能够建立共享的词汇表。通过分析神经网络代理在简单的参考游戏中使用符号进行对象映射的策略，发现对于非均匀分布的环境，代理人将忽略无用特征并更好地利用其他特征进行通信，这为语言的形成提供了新的启示。

    Nov, 2019

  • 语义不确定性指导规范向新指称的扩展

    本研究使用 KiloGram 数据集进行两项双人研究，探讨命名可能性对于形成和泛化临时约定的影响，发现约定的泛化不仅仅局限于具体语言，结合之前的研究，对于临时约定的泛化，仍然存在许多需要探究的问题。

    May, 2023

  • 指涉游戏中语言和智能体的共同演化

    通过模拟代理人群体的文化和架构演进，研究发现，当语言习得者的学习偏好被考虑在内时，语言和代理人的共同进化可以得到最优解，这一发现强调了研究代理人架构的重要性，并为语言的起源研究铺平了道路。

    Jan, 2020

  • 多智能体合作与（自然）语言的出现

    本文提出了一种基于多智能体交互通信的语言学习框架，在指代游戏的上下文中研究了这种学习方法，通过联系人工智能代理人彼此通信以识别随机图像，在通过调整游戏环境来提高代理人交流的自适应语言结构，并为代理人的代码提出简单的系统，从而使其更好地恰当地通信，并能更有效地与人类沟通。

    Dec, 2016

  • 协同参考游戏中不同追随者行为的学习沟通策略

    通过评估神经人工智能代理在协作性参照游戏中对伙伴行为的适应性，本文将语言准确性和协调任务作为强化学习问题进行建模，研究了共同强化学习算法（PPO）能否训练出在不同启发式跟随者行为（在自信程度和自治程度维度上变化）下表现良好的神经引导者代理。实验结果显示，考虑到通信努力这一新因素能够导致更简洁的交流策略（在某些步骤中保持静默），同时引导者的策略确实能够根据伙伴的自信程度和自治程度进行调整。

    Feb, 2024

  • 多智能体通信中的分层参考系统出现

    本研究开发了一种新型的通信游戏，分层引用游戏，用于研究人工智能代理如何出现针对不同层次的引用系统，结果表明代理可以成功地学习并推广到新的概念，他们使用隐式和显式策略实现抽象，并反映层次结构及其组成性的东西支持分层引用系统的出现。

    Mar, 2022

  • 这样走！学习将参照表达转化为行动，并从支持性教师中获得内部情节反馈

    本文研究在协作环境中，利用 “分级算法” 等符号算法生成提问语句，并在任务中提供 “迭代情节反馈”，从而增强机器学习模型与人类的自然交互能力。研究发现，提供 “迭代情节反馈” 有助于模型在处理复杂情景中的泛化能力，并提高模型表现。

    May, 2023

  • 多智能体通讯游戏中的紧急语言现象

    本文提出了使用深度强化学习进行训练的带有通信能力的智能体在同时进行一系列指称游戏的计算框架，证明了框架反映了自然语言中观察到的语言现象，即语言演化的复杂属性可以不依赖于复杂的语言能力而是可以从视觉感知智能体之间的简单社交交流中产生。

    Jan, 2019