11カ国の経験と基本的な経済的選好の記述の比較 背景と動機 近年の研究では、人間が報酬の価値をエンコードする過程において高度な文脈依存性が存在し、これが一部の場合で非最適な意思決定をもたらすことが示されています。しかし、このような計算制限が人間の認知の普遍的な特徴であるかどうかはまだ明らかではありません。この研究では、アルゼンチン、イラン、ロシア、日本、中国、インド、イスラエル、チリ、モロッコ、フランス、アメリカの11カ国から561名の個人の行動を調査し、報酬価値エンコードの文脈依存性が人間の認知の一貫した特徴であるかどうかを探求しました。 研究の出典 この研究は、Hernán Anlló、Sophie Bavard、Fatimaezzahra Benmarrakchi、Darla Bona...

背景紹介 人類言語処理の顕著な特徴の一つは、保存されている辞書要素、すなわち語彙を必要に応じて組み合わせる能力にあり、それによって現在の意味を生成または変更する柔軟性を持ちます。このプロセスの核心は、リアルタイムでどのように意味表象を構築するかにあります。文法構造生成に関する研究は順調な進展を遂げ、有意義な議論を引き起こしてきましたが、新しい意味の配置が時間の経過とともにどのように表されるかについての研究は比較的少ないです。ジョンズ・ホプキンス大学の研究チームは既存の文献に基づき、否定操作が言語の中でどのように形容詞の意味表象に影響を与えるかを専門的に調査しました。この研究は、リアルタイムで人間の脳がどのように意味の変化を表現するかを理解するための基盤を提供します。 論文の出典 「Negat...

プロトタイプに基づくサンプル加重ディスティレーション統一フレームワークの欠損モダリティ感情分析への応用 研究背景 感情分析は自然言語処理(NLP)における重要な分野であり、ソーシャルメディアプラットフォームの発展と共に、人々は短いビデオクリップを通じて感情を表現する傾向が強まっています。これによりマルチモーダルデータが急速に増加しています。しかし、現実生活ではモダリティ欠損の状況がよく発生します。たとえば、音声が失われたり、カメラが遮られたり、音声の転記ミスなどが原因です。このような状況では、欠損モダリティの感情分析が重要であり、かつ困難な課題となります。マルチモーダルの異質性は、すべてのモダリティをマルチモーダルネットワーク上で同じ目標に最適化しようとするときに、特にモダリティ欠損の場合に...

InA: 事前学習言語モデルにおける抑制適応方法 事前学習言語モデル（Language Models, LMs）は自然言語処理（Natural Language Processing, NLP）タスクにおいて顕著な効果をあげている。しかし、従来のファインチューニング方法には冗長なパラメータの問題があり、効率と効果に影響を与えている。この挑戦に対応するために、本論文では抑制適応（Inhibition Adaptation, INA）と呼ばれるファインチューニング方法を提案し、追加される調整可能な重みを減らし、事前学習言語モデルからの知識を適切に再重み付けする。 研究の背景と問題 現在、事前学習言語モデルのファインチューニングはNLPの下流タスクを解決する一般的な方法である。しかし、古典的なファ...

多尺度視覚中枢ガイドの多モーダル神経機械翻訳：テキスト認識のクロスモーダル対比デカップリング 学術背景 多モーダル神経機械翻訳（Multi-Modal Neural Machine Translation, MNMT）は、言語に依存しない視覚情報をテキストに導入して機械翻訳の性能を向上させることを目指しています。しかし、画像とテキストはモーダル間で顕著な差異があるため、両者間では避けられない意味の不一致が発生します。これらの問題を解決するための目標は、分解された多尺度視覚情報をクロスランゲージ中枢として使用することにより、異なる言語間のアライメントを向上させ、MNMTのパフォーマンスを改善することです。 論文情報 この論文は朱俊俊、蘇瑞および葉俊杰などの研究者によって執筆され、著者はそれぞれ...