ReferentialGym：用于（视觉）指称游戏中语言涌现与接地化的命名法与框架
计算与语言
2020-12-18 v1 机器学习
摘要
自然语言是人类用来交流信息并合作为共同目标而努力的强大工具。其价值在于一些主要特性，如组合性、层次性和递归句法，计算语言学家一直在研究由语言游戏诱发的人工语言中这些特性的涌现。仅相对近期，AI 社区才开始研究语言涌现与接地化，以致力于更好的人机接口。例如，能够将视觉与进行中的对话相关联的交互式/对话式 AI 助手。本文对该研究领域作出两点贡献。首先，提出一种命名法以理解研究语言涌现与接地化的主要举措，并考量假设与约束上的差异。其次，引入一个基于 PyTorch 的深度学习框架，名为 ReferentialGym，致力于推进对语言涌现与接地化的探索。通过提供主要算法与度量的基线实现，外加许多不同特性与方法，ReferentialGym 试图降低该领域的进入门槛，并为社区提供通用实现。
引用
@article{arxiv.2012.09486,
title = {ReferentialGym: A Nomenclature and Framework for Language Emergence & Grounding in (Visual) Referential Games},
author = {Kevin Denamganaï and James Alfred Walker},
journal= {arXiv preprint arXiv:2012.09486},
year = {2020}
}
备注
Accepted at 4th NeurIPS Workshop on Emergent Communication (EmeCom @ NeurIPS 2020)