人类和生成型人工智能间共享共同基础的认知架构：唐纳姆命名任务中模型间互动的试验

AAAINov, 2023

人类和生成型人工智能间共享共同基础的认知架构：唐纳姆命名任务中模型间互动的试验

Cognitive Architecture Toward Common Ground Sharing Among Humans and Generative AIs: Trial on Model-Model Interactions in Tangram Naming Task

PDF

Junya Morita, Tatsuya Yui, Takeru Amaya, Ryuichiro Higashinaka, Yugo Takeuchi

TL;DR通过研究模型间共同基准的过程，该研究关注以生成 AI 为基础在人工智能模型中建立共同基准的过程，其中以七巧板命名任务作为测试实验，并观察到通过增量反向传播可以提高模型性能。

Abstract

For generative ais to be trustworthy, establishing transparent common grounding with humans is essential. As a preparation toward human-model common grounding, this study examines the process of model-model common groun

generative ais common grounding model-model common grounding tangram naming task incremental backpropagations

发现论文，激发创造

将生成网络与认知的共同模型相结合

该文章提出了将认知通用模型调整为人工智能领域中的大型生成网络模型的理论框架。通过将通用模型中的模块重组为辅助于中心生产系统的阴影生成系统，可以实现这一目标，该中心生产系统基于阴影生成系统的输出进行高级推理。在通用模型中实现这种创新结构，可以实现认知体系结构和生成神经网络之间无缝的连接。

Jan, 2024

寻找共同基础：口语对话中的注释和预测共同基础

我们介绍了一种新的标注和语料库来捕捉共同基础，然后从每个说话者的角度描述了一些从对话中提取命题并在共同基础中追踪其状态的初步实验。

Nov, 2023

通过赫布学习和自由能最小化的神经模仿实现普通认知模型

使用神经生成模型构建 COGnitive Neural GENerative 系统，以优化变分自由能函数，并探讨其在认知科学中的应用。

Oct, 2023

连续和部分可观察背景下的共同理解自然语言语料库

本研究提出了一项最小化的对话任务以测试和分析对话系统在复杂场景下共同理解能力，并收集了 6,760 个对话的数据集，在此基础上，我们对共同理解的重要现象进行了分析，并对利用神经模型识别共同话语的常见方法进行了评估和分析，旨在为对话系统的训练、评估和分析提供基础测试平台。

Jul, 2019

多模态对话中的共同语境跟踪

通过使用深度神经网络模型，基于多模态交互数据集，我们在对话建模中提出了一种自动识别共同信仰和讨论问题的方法，评估不同特征类型对成功构建共同基础的贡献，并为这一新颖且具有挑战性的任务建立了基准。

Mar, 2024

面向参考的基于场景的协同对话模型

本文提出一个基于神经网络的对话模型，用于协同解决局部可见参考游戏。该模型通过结构化的参考解析器精准地理解对话内容，利用递归记忆处理复杂任务并采用合理的生成策略，大幅提高了任务完成率。实验结果表明，该模型相对于同领域前沿技术取得了显著的性能提升。

Sep, 2021

在动态环境中维护共同基础

本研究提出了一个新颖的任务设定，以研究在动态环境下创建和维护共同基础的能力，通过新的数据集和实验，探讨了该设定引入的挑战和基线对话系统的能力，并讨论了未来的研究前景。

May, 2021

共享过程抽象的通信学习

研究如何使用自然语言来协同解决物理装配问题，结果表明，参与者通过使用更高级别的指称表达逐渐提供越来越简洁的指示，从而达成了共享过程中的概念抽象，这为智能体之间的共同程序化抽象的协调提供了归纳偏见的启示。

Jun, 2021

MindDial：基于心理理论建模的信念动态追踪技术，用于实境神经对话生成

MindDial 是一种新的对话框架，可以生成特定语境下的自由形式响应来协商共同点。

Jun, 2023

通过有针对性的常识基础提升神经故事生成

利用多任务学习和辅助训练信号，在创作故事时增强常识推理能力。

Aug, 2019