@进料{corona-etal-2021模块,title=“用于作文教学的模块化网络”,author=“科罗纳、鲁道夫和弗莱德、丹尼尔和德文、科林和克莱恩、丹和特雷弗·达雷尔”,editor=“Toutanova、Kristina和拉姆西斯基、安娜和Zettlemoyer、Luke和Hakkani-Tur、Dilek和贝尔塔基、伊茨和Bethard、Steven和科特雷尔、瑞恩和查克拉波蒂、坦莫伊和周一超“,booktitle=“计算语言学协会北美分会2021年会议记录:人类语言技术”,月=六月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.naacl-main.81”,doi=“10.18653/v1/2021.naacl-main.81”,pages=“1033--1040”,abstract=“在教学中使用的标准体系结构通常会在子目标的新组成上产生冲突(例如导航到地标或拾取对象)在培训期间观察到。我们提出了一种模块化体系结构,用于遵循描述不同子目标序列的自然语言指令。在我们的方法中,每个子目标模块都执行特定子目标类型的自然语言指令。通过学习分段指令并预测每个分段的子目标类型,选择要执行的模块序列。与ALFRED上的标准、非模块化的序列到序列方法相比,我们发现模块化提高了对新的子目标合成以及训练中看不到的环境的泛化能力。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“corona-etal-2021-模块化”><标题信息>作文教学模块化网络</titleInfo><name type=“personal”>鲁道夫</namePart>电晕<角色>作者</角色></name><name type=“personal”>丹尼尔油炸<角色>作者</角色></name><name type=“personal”>科林Devin公司<角色>作者</角色></name><name type=“personal”>丹克莱因<角色>作者</角色></name><name type=“personal”>特雷弗达雷尔<角色>作者</角色></name><originInfo><发布日期>2021-06</发布日期></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会北美分会2021年会议记录:人类语言技术</titleInfo><name type=“personal”>克里斯蒂娜图塔诺娃<角色>编辑器</角色></name><name type=“personal”>安娜<namePart type=“family”>Rumshisky</namePart><角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>卢克</namePart>Zettlemoyer公司<角色>编辑器</角色></name><name type=“personal”>Dilek(Dilek)哈卡尼·图尔<角色>编辑器</角色></name><name type=“personal”>Iz</namePart>贝尔塔基<角色>编辑器</角色></name><name type=“personal”>史蒂文贝瑟德<角色>编辑器</角色></name><name type=“personal”>Ryan科特雷尔<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>坦莫伊</namePart>查克拉波蒂<角色>编辑器</角色></name><name type=“personal”>宜昌<namePart type=“family”>周<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</place></originInfo>会议出版物</relatedItem><abstract>在教学中使用的标准体系结构通常会在训练过程中观察到的子目标的新组成(例如导航到地标或拾取对象)上产生冲突。我们提出了一种模块化体系结构,用于遵循描述不同子目标序列的自然语言指令。在我们的方法中,每个子目标模块都执行特定子目标类型的自然语言指令。通过学习分段指令并预测每个分段的子目标类型,选择要执行的模块序列。与ALFRED上的标准、非模块化的序列到序列方法相比,我们发现模块化提高了对新的子目标合成以及训练中看不到的环境的泛化能力</摘要><identifier type=“citekey”>日冕-2021模块10.18653/v1/2021.naacl-main.81<位置><网址>https://aclantology.org/2021.naacl-main.81</url></位置><部分>2021-06年<扩展单元=“page”><开始>1033</开始><end>1040</范围></部分></mods></modsCollection>
%0会议记录%用于作文教学跟踪的T模网络%A Corona,鲁道夫%A Fried,丹尼尔%科林·德文%阿·克莱恩,丹%特雷弗,达雷尔%克里斯蒂娜·托塔诺娃%Y Rumshisky,安娜%Y Zettlemoyer,卢克%Y Hakkani-Tur、Dilek%伊茨贝尔塔基%Y Bethard、Steven%Y Cotterell,瑞安%Y查克拉博蒂,坦莫伊%Yu Zhou,宜昌%计算语言学协会北美分会2021年会议记录:人类语言技术%D 2021年%6月8日%计算语言学协会%C在线%F corona-etal-2021模块%X在教学中使用的标准体系结构通常会在训练过程中观察到的子目标的新组成(例如导航到地标或拾取对象)上产生冲突。我们提出了一种模块化体系结构,用于遵循描述不同子目标序列的自然语言指令。在我们的方法中,每个子目标模块都执行特定子目标类型的自然语言指令。通过学习分段指令并预测每个分段的子目标类型,选择要执行的模块序列。与ALFRED上的标准、非模块化的序列到序列方法相比,我们发现模块化提高了对新的子目标合成以及训练中看不到的环境的泛化能力。%R 10.18653/v1/2021.naacl-main.81%U型https://acl选集.org/2021.naacl-main.81%U型https://doi.org/10.18653/v1/2021.naacl-main.81%电话:1033-1040
降价(非正式)
[用于作文教学的模块化网络](https://aclantology.org/2021.naacl-main.81)(Corona等人,NAACL 2021)
国际计算语言学协会
- 鲁道夫·科罗纳(Rodolfo Corona)、丹尼尔·弗里德(Daniel Fried)、科林·德文(Coline Devin)、丹·克莱恩(Dan Klein)和特雷弗·达雷尔(Trevor Darrell)。2021用于作文教学跟踪的模块化网络.英寸计算语言学协会北美分会2021年会议论文集:人类语言技术,第1033-1040页,在线。计算语言学协会。