Oct, 2023

多语种自我依恋技术虚拟指南

PDF
TL;DR我们提出了一个计算框架，利用现有的非语言数据创建一个普通话的对话系统，用于自我附着技术（Self-Attachment Technique，SAT）的交付。我们的框架不需要大规模人工翻译，但在保证安全和可靠性的同时，也能达到可比较的性能。我们提出了两种通过共情式重写来增强可用的回应数据的方法。通过 42 个非临床人类试验（每个持续五天），我们对我们的对话机器人与之前的仅英语 SAT 对话机器人进行了定量评估，并定量证明我们能够达到与英语 SAT 对话机器人相当的性能水平。我们对研究的限制进行了定性分析，并提出了建议，旨在指导未来的改进。
发现论文，激发创造
  • 从词语和练习到健康：自我依恋技术的波斯语聊天机器人

    在后疫情时代，社交隔离和抑郁焦虑率上升之际，基于数字心理治疗的对话型代理与传统治疗相比，在引导用户自我依恋方面具有重要影响力。本研究开发了一个语音聊天机器人，用于指导用户进行一种基于依恋理论的自我依恋（SAT）全面心理技术。我们的聊天机器人使用一系列基于规则和分类的模块来理解用户输入，并据此导航对话流程图，根据用户的情感和心态状态推荐适当的 SAT 练习。我们收集了超过 6,000 个断语的数据集，并开发了一种新颖的情感分析模块，将用户情感分为 12 个类别，准确率超过 92%。为了保持对话的新颖性和吸引力，聊天机器人的回复是从使用 Farsi GPT-2 和强化学习方法辅助构建的大型断语数据集中检索得到的，因此需要最少的人工标注。我们的聊天机器人还提供了一个名为 SAT Teacher 的问答模块，用于回答用户关于自我依恋原则的问题。最后，我们设计了一个跨平台应用作为机器人的用户界面。我们在一个为期十天的人类研究中对平台进行了评估，共有 52 名非临床人口的志愿者参与了超过 2,000 次对话。结果表明，大部分用户（75%）表示对平台很感兴趣，72% 的用户在与聊天机器人互动后感觉变得更好，74% 的用户对 SAT Teacher 的表现感到满意。

    Oct, 2023

  • 一种基于同情心的自我依恋治疗 AI 辅导员

    通过基于规则的对话代理和深度学习分类器结合的方式，我们提出了一种数字教练配置方案，用于引导用户在自我附着治疗协议方面进行练习，并在虚拟疗法会话中达到高度参与度。在与 N=16 参与者进行的非临床试验中，我们发现与简单的规则基础框架相比，我们的平台在共情性，用户参与度和实用性方面都能得到更好的评价，并提供进一步改进设计和性能的指南。

    Sep, 2022

  • 自适应训练的流畅低延迟语音同传翻译

    提出了一种名为 Self-Adaptive Translation (SAT) 的方法，实现同时语音翻译。该方法通过灵活调整翻译的长度，以适应不同的源语音速率，从而在保持近似的翻译质量的前提下，显著降低了延迟，生成了更流畅自然的目标语音。

    Oct, 2020

  • 自问自答：无监督知识引导的语言模型对齐

    本文介绍了一种称为 Self-QA 的创新框架，利用大量无监督知识代替传统的人工撰写指导文件种子，从而生成更多正确和特定于领域的指导数据，以克服创建用于指导调整的监督配对问答数据所面临的挑战。

    May, 2023

  • 半自回归神经机器翻译

    本论文提出一种用于快速序列生成的新型模型：半自回归 Transformer (SAT)，该模型在保持全局自回归属性的同时减轻了本地自回归属性，从而能够在每个时间步骤同时产生多个连续的词。在英德翻译和中英翻译任务上进行的实验证明，SAT 实现了翻译质量和解码速度之间的良好平衡。

    Aug, 2018

  • SAT: 简单的实例自适应自训练提高半监督文本分类

    本文提出了一种简单的实例自适应自训练方法 (SAT)，用于半监督文本分类。SAT 通过生成两个扩充视图来识别伪标签并用于模型训练，实验结果表明 SAT 方法具有竞争力的性能。

    Oct, 2022

  • SelfTalk: 一个自监督交换训练图表以理解 3D 说话面孔

    通过引入自我监督的跨模态网络系统，学习了三维说话脸部的 SelfTalk 框架构建了一个由三个模块组成的网络系统，以提高口型生成的精度和准确性。

    Jun, 2023

  • KSAT: 知识注入的自注意力变形器 —— 整合多个领域特定语境

    通过使用来自相关领域的外部知识资源，在 KSAT 中引入了知识注入的自我关注层，从而实现了对多个领域特定上下文的集成。KSAT 提供了控制从数据中学习与从知识中学习之间的权衡的机制，并与其他知识注入基线相竞争，显着优于使用精调进行领域特定任务的基线。

    Oct, 2022

  • 基于依赖感知自注意力机制的机器翻译增强

    本文研究了将句法知识纳入 Transformer 模型的不同方法，并提出一种新的、无需参数的依赖感知自注意机制，能够提高其翻译质量，特别是在长句子和低资源情况下。作者在 WMT 英德、英土和 WAT 英日翻译任务中展示了每种方法的有效性。

    Sep, 2019

  • 理解自监督音频 Transformer 的自注意力

    本文介绍了多种针对 Self-supervised Audio Transformers 中注意力机制分析的策略，包括解释每种类型的注意力机制的功能、提供可视化工具以了解多头自注意力、重要性排名策略以识别关键注意力，以及注意力精炼技术以提高模型性能。

    Jun, 2020