ACLMay, 2023

听众意识调适：透过即插即用的心理理论，说出符合听众语言的话

PDF
TL;DR本文提出一种基于心理语言学理论的适应性模型，通过模拟模块监控计划发言的有效性并实时控制话语生成，实现知识丰富的说话者对具有更有限语言和视觉经验的听者进行言语适应，以提高沟通成功率。
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

  • 通过建模心理理论实现少样本语言协调

    该研究探讨了几颗子任务的语言协调，通过群体与不同的语言能力代理进行快速交流，提出了使用 ToM 建立代理人之间交流的重要性，实验表明使用 ToM 建立指令可以更好地执行交流任务。

    Jul, 2021

  • 认识你的受众：使用 Dixit 游戏专门化基于语境的语言模型

    研究表明，在多方参与者的复杂情境下，利用深度强化学习，适应目标听众的共性和个性从而适应性传达信息是成功的，该项研究还为人们探索被称为 Dixit 的游戏中的技术挑战提供了启示。

    Jun, 2022

  • 具有心智理论的计算语言习得

    本研究为了衡量 Theory of Mind（意念）在语言学习中的影响，在现有 ToM 的版本上，建立了能够融合 ToM 的语言学习代理，并通过实验，证实高度融合 ToM listener 组件的训练，可以在图像指称游戏环境中获得更好的性能，这表明在计算语言习得中进一步结合 ToM 以及儿童语言习得研究的潜在效用。

    Mar, 2023

  • 理解心理学与指称游戏相互作用的语用学的涌现

    本文提出一种基于理论智能和自适应强化学习算法的合作式多智能体情境下的通讯协议，使得智能体可以在没有显式设计规则的情况下自发地学习 “读懂人心”，实现了语用学的概念在多智能体通讯系统中的有效应用。

    Jan, 2020

  • 使用神经听者和说者推理语用学

    我们提出了一个基于先验推理和学习语义结合的思想来描述场景的模型，成功率高于现有技术。

    Apr, 2016

  • 朝着基于多智能体通信的语言学习

    提出了一种交互式多模态框架，通过协作推理游戏，实现神经网络学习语言，初步实验结果可喜，但需注意避免智能体发展出仅针对游戏有效的特定通信编码。

    May, 2016

  • 针对语言模型（缺乏）心智理论的插接式多角色信念追踪器

    本文提出了 SymbolicToM，即一种通过显式符号表示来跟踪阅读理解任务中多个字符的信念状态、其对他字符信念状态估计及更高级别的推理的方法，该方法在 ToMi 基准测试中表现出了显著的理解能力提升。

    Jun, 2023

  • 在奇幻文本冒险游戏中学习说话和行动

    本文介绍了一个大规模的众包文字冒险游戏作为研究平台，用于研究基于场景的对话。在其中，代理可以感知，表情和行动，同时与其他代理进行对话。我们介绍了在这种情况下训练最先进的生成模型和检索模型的结果。我们展示了除了过去的对话，这些模型还能够有效地使用潜在世界的状态来调整它们的预测，特别是使用本地环境的详细信息，包括位置描述和其中存在的对象（及其可用性）和角色（及其先前的行动），可以更好地预测代理行为和对话。我们分析了在这种设置中成功落地所需的要素，以及每个因素如何与能够成功说话和行动的代理相关。

    Mar, 2019

  • 对话中句子规划的个体和领域适应

    研究表明，可训练的语句规划可生成复杂的信息呈现，并易于个性化定制，且个性化的句子规划器通常比针对人群进行训练和测试的模型表现更好。同时，研究还评估了不同特征集的贡献，并显示在该应用中，n-gram 特征通常能达到基于更高级别的语言表示的特征的效果。

    Oct, 2011