Tốc độ
kèo bóng đá số sẽ tham gia 7 bài thuyết trình bao gồm nghiên cứu chung, 5 phiên áp phích và phiên lập kế hoạch tại Hội nghị quốc gia của Hiệp hội trí tuệ nhân tạo Nhật Bản (JSAI2024)
Tại Hội nghị Quốc gia năm 2024 của Hiệp hội Trí tuệ Nhân tạo Nhật Bản (JSAI2024), sẽ được tổ chức từ ngày 28 tháng 5 (Thứ Ba) đến ngày 31 tháng 5 (Thứ Sáu), năm 2024, xem kèo bóng đá sẽ tiến hành nghiên cứu chung Tôi sẽ tham gia với tư cách là người tổ chức trong 7 bài thuyết trình, 5 phiên áp phích và các phiên đã lên kế hoạch `` Biên giới của lý thuyết trò chơi được tạo ra bởi máy học '' và `` Các sáng kiến và phát triển của Hiệp hội trí tuệ nhân tạo nhằm thúc đẩy sự đa dạng và hòa nhập'' CyberAgent sẽ đóng vai trò là nhà tài trợ bạch kim
■Giới thiệu về Hội nghị quốc gia của Hiệp hội trí tuệ nhân tạo Nhật BảnHội nghị Quốc gia của Hiệp hội Trí tuệ Nhân tạo Nhật Bản là hội nghị học thuật do Hiệp hội Trí tuệ Nhân tạo Nhật Bản (JSAI) tổ chức nhằm chia sẻ những kết quả nghiên cứu và kiến thức mới nhất liên quan đến trí tuệ nhân tạo Năm nay, phiên bản thứ 38, sẽ có một số chương trình giúp bạn hiểu sâu hơn về việc sử dụng trí tuệ nhân tạo trong các tổ chức học thuật và doanh nghiệp, cũng như nghiên cứu đang được thực hiện Các bài giảng được mời, các phiên đặc biệt, các phiên áp phích, các phiên lập kế hoạch, vv sẽ được tổ chức trong bốn ngày theo hình thức kết hợp, cả tại Act City Hamamatsu (Thành phố Hamamatsu, Tỉnh Shizuoka) và trực tuyến
■Giới thiệu về thông báo
Chủ đề:Đánh giá sự dịch chuyển phân phối trong RLHF
Ngày:28/5 (Thứ Ba) 13:20-13:40
Người trình bày:〇Mitsuo Sakamoto 1, Tetsuro Morimura 1, Yu Jinnai 1, Kenji Abe 1, Kaito Ariu 1 (1 xem kèo bóng đá)
Tóm tắt:Học tăng cường từ phản hồi của con người (RLHF) được sử dụng để Tinh chỉnh các mô hình ngôn ngữ quy mô lớn (LLM) RLHF bao gồm bốn quy trình: (1) Tinh chỉnh có giám sát (SFT) của LLM, (2) đánh giá xếp hạng các câu được tạo của mô hình SFT dựa trên sở thích của con người, (3) đào tạo mô hình phần thưởng bằng cách sử dụng tập dữ liệu ưu tiên và (4) học tăng cường mô hình SFT bằng mô hình phần thưởng Bởi vì việc đánh giá con người rất tốn kém nên các bộ dữ liệu công khai và dữ liệu trong quá khứ thường được sử dụng để đào tạo các mô hình khen thưởng Vì các mô hình tạo dữ liệu này và mô hình SFT khác nhau nên "sự thay đổi phân phối" sẽ xảy ra trong dữ liệu mà mô hình phần thưởng học được và dữ liệu đánh giá nó Trong nghiên cứu này, để phân tích hiệu ứng này, chúng tôi sử dụng nhiều LLM với hiệu suất khác nhau ngoài mô hình SFT để tạo tập dữ liệu ưu tiên và thực hiện RLHF trong một số tình huống Bằng cách so sánh kết quả, chúng tôi sẽ làm rõ các tình huống trong đó sự dịch chuyển phân phối là một vấn đề Theo kết quả phân tích của chúng tôi, chúng tôi đã xác nhận rằng hiệu suất của RLHF sẽ giảm sút khi có sự thay đổi phân phối trong mô hình phần thưởng
URL:
--------------------------------------------
Chủ đề:Khả năng chấp nhận của xã hội đối với việc sử dụng dữ liệu cá nhân trong hệ thống đề xuất được cá nhân hóa cho các dịch vụ truyền thôngPhân tích sự chấp nhận dựa trên quan điểm thông thường và ý tưởng cá nhân bằng cách sử dụng ước tính Bayesian
Ngày:28/5 (Thứ Ba) 18:00-18:20
Người trình bày:〇Soichiro Morishita1, Masanori Takano1, Hideaki Takeda2 (1 xem kèo bóng đá, 2 Viện Tin học Quốc gia)
Tóm tắt:Cuộc sống của nhiều người hiện được thực hiện trên nền tảng kỹ thuật số và dữ liệu cá nhân đang được sử dụng tích cực trong nhiều hoạt động kinh doanh khác nhau Biết suy nghĩ của người dùng về khả năng chấp nhận sử dụng dữ liệu cho mỗi doanh nghiệp sẽ cung cấp hướng dẫn sử dụng dữ liệu theo cách được xã hội chấp nhận Dựa trên ý tưởng này, các tác giả đã thực hiện một cuộc khảo sát trực tuyến về mức độ chấp nhận của xã hội tùy thuộc vào người sử dụng dữ liệu cá nhân và mục đích sử dụng Kết quả là, người ta nhận thấy rằng trong nhiều dự án, có mối tương quan thuận giữa việc dự án có thể được thực hiện dựa trên hiểu biết thông thường hay không và ý định sử dụng nó như sự chấp nhận dựa trên niềm tin cá nhân, nhưng cũng có trường hợp việc thực hiện không thể chấp nhận được nhưng vẫn có ý định sử dụng dự án Dựa trên những kết quả này, bài viết này tiến hành một cuộc khảo sát trên web về việc sử dụng dữ liệu cá nhân trong các hệ thống đề xuất được cá nhân hóa cho các dịch vụ truyền thông và sử dụng ước tính Bayes để phân tích mối quan hệ giữa tính khả thi của việc triển khai và mục đích sử dụng
URL:
--------------------------------------------
Chủ đề:Ước tính hiệu quả xử lý không đồng nhất bằng công nghệ máy học để giới thiệu nội dung trong ABEMA
Ngày:Thứ Tư, ngày 29 tháng 5 10:20-10:40
Người trình bày:〇Shingo Udo 1, Shota Yasui 2 (1 Công ty TNHH AbemaTV, 2 xem kèo bóng đá)
Tóm tắt:Dịch vụ phân phối video ABEMA đề xuất nhiều nội dung khác nhau cho người dùng Trong bài báo này, chúng tôi đã tiến hành thử nghiệm để tăng khả năng hiển thị nội dung tuyến tính, có định dạng phân phối giống như TV, thay vì nội dung video, là định dạng phân phối theo yêu cầu đã được đề xuất thường xuyên và đã xác minh tính hiệu quả của nó Tại thời điểm này, chúng tôi ước tính không chỉ hiệu quả điều trị trung bình mà còn cả hiệu quả điều trị không đồng nhất Kết quả là, họ nhận thấy rằng việc xem các loại nội dung được hiển thị và đề xuất cho người dùng đã tăng lên và hiệu quả xử lý sẽ khác nhau tùy thuộc vào thói quen xem của người dùng trước khi thử nghiệm
URL:
--------------------------------------------
Chủ đề:Xem xét phương pháp Chuyển văn bản thành thiết kế bằng tác nhân LLM
Ngày:Thứ Tư, ngày 29 tháng 5 10:20-10:40
Người trình bày:〇Momo Saki 1, Kotaro Kikuchi 2, Naoto Inoue 2, Mayu Otani 2, Kota Yamaguchi 2, Edgar Simosella 1 (1 Đại học Waseda, 2 CyberAgent)
Tóm tắt:Các công việc thiết kế như thiết kế giao diện người dùng rất phức tạp và tốn thời gian đối với những người không phải là nhà thiết kế Các phương pháp tạo thiết kế bao gồm tạo hình ảnh pixel và đào tạo mô hình để xuất thiết kế theo định dạng cụ thể từ các truy vấn ngôn ngữ tự nhiên Tuy nhiên, điều cần thiết là một cách tiếp cận tạo thiết kế chung ít phụ thuộc vào phần mềm hơn và cho phép chỉnh sửa các kết quả được tạo ra Phương pháp được đề xuất, DesignPlanner, là một hệ thống có thể thực hiện các nhiệm vụ thiết kế bằng cách sử dụng các mô hình ngôn ngữ quy mô lớn Phương thức cốt lõi sử dụng các phương thức hiện có và bao gồm hai thành phần: Planner và Executor Planner chia truy vấn thành các truy vấn phụ và Executor thực thi các truy vấn phụ bằng cách sử dụng các hàm đã đăng ký trước Để đánh giá hiệu suất của khung cơ bản này, kèo bóng đá số đã tiến hành thử nghiệm tập trung vào các thao tác đơn giản liên quan đến thiết kế giao diện người dùng trang web, chẳng hạn như sử dụng và chỉnh sửa các thành phần hiện có Kết quả cho thấy phương pháp này hoạt động tốt với các tác vụ rất đơn giản nhưng không thành công đối với các tác vụ phức tạp vừa phải do gọi hàm không chính xác
URL:
--------------------------------------------
Chủ đề:Sự khác biệt về giới tính của ứng viên kỹ sư phần mềm: hình mẫu, tiêu chí lựa chọn công ty và sở thích
Ngày:Thứ Tư, ngày 29 tháng 5 17:30-17:50
Người trình bày:〇Masanori Takano1, Yu Kamiya1(1 xem kèo bóng đá)
Tóm tắt:Nghề nghiệp STEM có tỷ lệ nam giới chiếm đa số, điều này thường dẫn đến khoảng cách giới tính Ví dụ, vì có ít phụ nữ nên phụ nữ khó có được hình mẫu, và vì có nhiều nam giới nên văn hóa và hệ thống trở nên ưu ái nam giới hơn (ngay cả khi không có ý định phân biệt đối xử), khiến thiểu số khó chịu Kỹ sư phần mềm là một trong số đó Một trong những nguyên nhân dẫn đến khoảng cách này là do có sự mất cân đối lớn về tỷ lệ Vì vậy, để xóa bỏ khoảng cách, điều quan trọng là phải tăng số lượng người thiểu số Do đó, trong nghiên cứu này, chúng tôi đã khảo sát các kỹ sư phần mềm đầy tham vọng về hình mẫu, tiêu chí lựa chọn công ty và sở thích của họ, đồng thời xem xét các biện pháp để tăng số lượng ứng viên kỹ sư phần mềm nữ
URL:
--------------------------------------------
Chủ đề:Nghiên cứu về việc học thời gian phát âm bao gồm cả cách phát âm chủ động trong khi đối thoại
Ngày:30/5 (Thứ Năm) 16:30-16:50
Người trình bày:〇Atsuya Nakanishi 1, Ryo Miyoshi 2, Yuki Okafuji 3, Atsushi Baba 3, Yuichiro Yoshikawa 1, Hiroshi Ishiguro 1(1 Đại học Osaka, 2 Đại học Chukyo, 3 xem kèo bóng đá)
Tóm tắt:Dịch vụ tương tác dựa trên quy trình (thụ động) trong đó người dùng đưa ra yêu cầu thông qua văn bản hoặc giọng nói và hệ thống máy tính sẽ phản hồi yêu cầu đó bằng cách tạo ra phản hồi thích hợp Mặt khác, ``dịch vụ đối thoại tích cực'' không chỉ đáp ứng yêu cầu của người dùng mà còn tạo cơ hội ước tính nhu cầu và tình huống của người dùng cũng như chủ động cung cấp thông tin và dịch vụ, cũng rất quan trọng trong việc khám phá các cơ hội cung cấp dịch vụ đáp ứng mong muốn tiềm ẩn của người dùng Một khó khăn với các tương tác dịch vụ đang hoạt động là xác định thời điểm phát ngôn của họ Nên quan sát hoạt động của người dùng và không can thiệp hay xúc phạm họ Mục đích của nghiên cứu này là xây dựng một mô hình ước tính thời gian của các phát ngôn, bao gồm cả các phát ngôn chủ động, trong quá trình đối thoại Để đạt được mục tiêu này, chúng tôi đã xem xét tình huống trong một cuộc trò chuyện và thời điểm nói chuyện thích hợp trong tình huống đó, dựa trên đó, chúng tôi đã tạo và đánh giá một mô hình ước tính Mặc dù độ chính xác tổng thể là trên 80% nhưng độ chính xác về thời gian của lời nói chủ động lại thấp, điều này cho thấy một vấn đề cần được xem xét
URL:
--------------------------------------------
Chủ đề:Mở rộng truy vấn tìm kiếm nhắm mục tiêu các tài liệu bằng sáng chế bằng cách kết hợp mô hình ngôn ngữ quy mô lớn và từ điển đồng nghĩa
Ngày:Ngày 31 tháng 5 (Thứ Sáu) 10:20-10:40
Người trình bày:〇Kaede Mori1,2, Hiroji Nonaka3, Asahi Netona4, Seiya Kono5, Koichiro Yoshino5, Kouji Maruzaki1, Shotaro Kataoka1,6 (1 Đại học Công nghệ Nagaoka, 2 Công ty TNHH Kikagaku, 3 Viện Công nghệ Aichi, 4 xem kèo bóng đá, 5 Dự án Robot giám hộ RIKEN, 6 Công ty TNHH Mayolabo)
Tóm tắt:Tìm kiếm bằng sáng chế là công nghệ và phát minh tồn tại trong cơ sở dữ liệu bằng sáng chế Đề cập đến quá trình nghiên cứu dữ liệu về nhà phát minh và người nộp đơn Đặc biệt, việc tìm kiếm tình trạng kỹ thuật trước đây rất quan trọng vì nếu phát hiện vi phạm bằng sáng chế tại tòa án thì có thể phải bồi thường một khoản tiền lớn và phí giấy phép Tuy nhiên, vì các tài liệu sáng chế bao gồm từ vựng độc đáo và số lượng tài liệu rất lớn nên việc nghiên cứu chúng đòi hỏi chi phí rất lớn Có một số phương pháp để mở rộng truy vấn tìm kiếm nhằm mục đích tìm kiếm toàn diện, nhưng nhìn chung chúng có vấn đề là không thể xử lý được các từ vựng phức tạp vốn chỉ tồn tại trong một số ít bằng sáng chế Do đó, trong nghiên cứu này, chúng tôi đề xuất mở rộng truy vấn kết hợp từ điển đồng nghĩa và mô hình ngôn ngữ quy mô lớn (LLM) Trong nghiên cứu này, chúng tôi đã tiến hành phân tích cơ bản về phương pháp, tập trung vào xu hướng đầu ra của LLM, tính độc lập và tỷ lệ xuất hiện đồng thời của các từ mới do LLM tạo ra với các từ điển đồng nghĩa hiện có Kết quả là, các từ mới được tạo ra bởi mô hình ngôn ngữ quy mô lớn có tỷ lệ xuất hiện thấp với các từ điển đồng nghĩa hiện có Một từ vựng mới đã được tạo thành công bằng cách sử dụng mô hình ngôn ngữ quy mô lớn, gợi ý khả năng hiện thực hóa việc tra cứu bằng sáng chế có tính toàn diện cao, phù hợp với từ vựng độc đáo và cách diễn đạt phức tạp của tài liệu sáng chế
URL:
■Giới thiệu về buổi lập kế hoạch
Chủ đề:Biên giới của lý thuyết trò chơi được tạo ra bởi máy học
Ngày:Thứ Tư, ngày 29 tháng 5 13:30 - 15:10
Người tổ chức dự án:Kenyuki Abe (xem kèo bóng đá) Atsushi Iwasaki (Đại học Điện-Truyền thông)
Tóm tắt:Trong những năm gần đây, những nỗ lực cùng áp dụng các kỹ thuật trong lĩnh vực lý thuyết trò chơi và học máy đã trở nên tích cực Phiên này sẽ tập trung vào hai chủ đề: "Lý thuyết trò chơi và Học tập trực tuyến" và "Lý thuyết trò chơi và Giao thông tối ưu" và sẽ giới thiệu từng chủ đề dưới dạng hướng dẫn Trong bài giảng đầu tiên, tôi sẽ giải thích những nỗ lực của mình trong việc áp dụng các thuật toán gần đúng một cách hiệu quả các giải pháp cân bằng Nash cho trò chơi cho các vấn đề tối ưu hóa, chẳng hạn như học mô hình ngôn ngữ quy mô lớn Trong bài giảng thứ hai, ông sẽ giới thiệu cụ thể cách áp dụng các công nghệ máy học, bao gồm cả phương tiện vận chuyển tối ưu, vào thiết kế đấu giá tự động và nghiên cứu thực nghiệm về khớp nối Thông qua các chủ đề này, chúng tôi mong muốn hiểu được cách hai lĩnh vực này hợp nhất và tạo ra những khả năng mới
URL
--------------------------------------------
Chủ đề:Những nỗ lực và phát triển nhằm thúc đẩy sự đa dạng và hòa nhập của Hiệp hội Trí tuệ Nhân tạo
Ngày:Ngày 31 tháng 5 (Thứ Sáu) 09:00 - 10:40
Người tổ chức kế hoạch:Masanori Takano (xem kèo bóng đá), Hiromi Arai (RIKEN, Inc), Yoji Kiyota (LIFULL, Inc), Asumi Saito (Copy, Inc), Katsue Nagakura (Đại học Chuo)
Tóm tắt:Ủy ban Xúc tiến Đa dạng và Hòa nhập của Hiệp hội Trí tuệ Nhân tạo Nhật Bản được thành lập vào năm 2023 với mục đích ``tạo ra một môi trường nơi các nhà nghiên cứu và sinh viên có hoàn cảnh và thuộc tính xã hội đa dạng có thể tự do theo đuổi hoạt động nghiên cứu và học tập về trí tuệ nhân tạo mà không gặp trở ngại do những điều này gây ra, đồng thời hỗ trợ các nhà nghiên cứu và sinh viên'' Ảnh hưởng xã hội của các công nghệ liên quan đến trí tuệ nhân tạo đang tăng lên hàng năm và việc tạo ra một môi trường trong đó những người đa dạng có thể tự do tiếp cận nghiên cứu và công nghệ là rất quan trọng đối với cả hai đối tượng xã hội và cho giới học thuật Trong phiên này, chúng tôi sẽ giới thiệu những nỗ lực trước đây của ủy ban và xu hướng của những người tham gia thành viên trong xã hội của chúng tôi, đồng thời những người tham gia hội thảo và những người tham gia địa điểm (tại chỗ/trực tuyến) sẽ thảo luận về việc thúc đẩy sự đa dạng và hòa nhập
URL:
■Giới thiệu về phiên áp phích
Chủ đề:Tối ưu hóa việc hình thành đơn vị bằng cách sử dụng tính năng nhúng nhàn rỗi trong “IDOLY PRIDE”
Ngày:Ngày 30 tháng 5 (Thứ Năm) 11:00 - 12:40
Người trình bày:〇Koya Ihara1, Kazunori Tamura2, Yingei Kano1, Masahiro Nomura1 (1 xem kèo bóng đá, 2 Công ty TNHH QualiArts)
Tóm tắt:Trong trò chơi nhập vai trên điện thoại thông minh ``IDOLY PRIDE'', nơi bạn huấn luyện thần tượng làm người quản lý, phần quan trọng nhất của trò chơi là việc thành lập đơn vị trực tiếp Tìm ra thành phần đơn vị tối ưu là một vấn đề quan trọng nhằm nghiên cứu tác động của việc triển khai trước một thần tượng mới và điều chỉnh sự cân bằng của trò chơi Trong nghiên cứu này, chúng tôi xây dựng tổ chức đơn vị, bao gồm việc lựa chọn các thần tượng để xếp vào một đơn vị trong số nhiều thần tượng khác nhau, như một vấn đề tối ưu hóa tổ hợp với các thần tượng là các biến Để tối ưu hóa hiệu quả vấn đề này, chúng tôi phát triển một thuật toán di truyền mới (GA) Để thực hiện tối ưu hóa bằng cách sử dụng kiến thức có sẵn về thần tượng, chúng tôi phát triển một biểu diễn thần tượng nhúng thông tin này và đề xuất các toán tử đột biến dựa trên nó Thông qua các thử nghiệm mô phỏng trong buổi biểu diễn trực tiếp đạt điểm cao của ``IDOLY PRIDE'', chúng tôi đã xác nhận tính hiệu quả của việc áp dụng GA để tối ưu hóa thành phần đơn vị và cải thiện hiệu suất tìm kiếm bằng phương pháp được đề xuất
URL:
--------------------------------------------
Chủ đề:Đánh giá định lượng lời nói trong nội dung phát trực tiếp
Ngày:Ngày 30 tháng 5 (Thứ Năm) 11:00 - 12:40
Người trình bày:〇Yuta Nakamura1, Shin Takeuchi1(1 xem kèo bóng đá)
Tóm tắt:Nền tảng phát trực tiếp là một dạng mới của Phương tiện truyền thông do người tiêu dùng tạo (CGM) và gần đây đã thu hút sự chú ý từ cả góc độ kinh doanh và học thuật Nghiên cứu trước đây về phát trực tiếp đã điều tra lý do tại sao người tham gia xem phát trực tiếp và cách các đài truyền hình nên giao tiếp Tuy nhiên, những điều này chủ yếu giới hạn ở các nền tảng phân phối trò chơi, sử dụng dữ liệu khảo sát và không tập trung vào giao tiếp cá nhân giữa người phát sóng và người nghe Trong nghiên cứu này, chúng tôi đã xác minh phương pháp đánh giá định lượng từng phát ngôn của đài truyền hình bằng cách sử dụng dữ liệu phân phối từ môi trường phân phối âm thanh trực tiếp ``Lounge'' do dịch vụ truyền phát nhạc Nhật Bản ``AWA'' cung cấp Cụ thể, chúng tôi đã phân đoạn các phát biểu bằng cách sử dụng inaSpeachSegmenter và trích xuất các đặc điểm âm thanh của các phát ngôn bằng OpenSMILE Bằng cách sử dụng LightGBM, chúng tôi đã xây dựng một mô hình dự đoán phản hồi trò chuyện được gợi ra từ lời nói của những người tham gia Nghiên cứu này góp phần nâng cao sự hiểu biết về giao tiếp giữa người phát sóng trực tiếp và người nghe Ngoài ra, từ góc độ thực tế, có thể xem xét các ứng dụng như sử dụng các tính năng của nội dung phân phối trực tiếp thu được cho các đề xuất
URL:
--------------------------------------------
Chủ đề:Tập dữ liệu đối thoại hướng đến mục tiêu xem xét các quảng cáo chiêu hàng nhắm mục tiêu tương tác
Ngày:30/5 (Thứ Năm) 11:00 - 12:40
Người trình bày:〇Tonna Asahi1, Atsushi Baba1, Rena Akama2 (1 CyberAgent, 2 Đại học Tohoku)
Tóm tắt:Trong nghiên cứu này, kèo bóng đá số đề xuất Đối thoại hướng đến mục tiêu thúc đẩy sự tương tác (EGOD) như một nhiệm vụ đối thoại có tính đến ba loại tương tác của người dùng: mong muốn tiếp tục đối thoại, mong muốn cung cấp thông tin và mong muốn chấp nhận mục tiêu Hơn nữa, để hiện thực hóa hệ thống EGOD, kèo bóng đá số đã xây dựng bộ dữ liệu EGOD bán hàng nhắm mục tiêu bán sản phẩm và phân tích bộ dữ liệu đó Trong số 98 cuộc trò chuyện được thu thập, hơn một nửa (58) cuộc trò chuyện là những cuộc trò chuyện làm tăng ý định mua hàng, cho thấy rằng các lời rao hàng chất lượng cao đã được thu thập Phân tích tập dữ liệu cho thấy rằng để tăng động lực mua hàng, vốn là mục tiêu của đối thoại, điều quan trọng hơn là tránh những câu nói làm giảm mức độ tương tác hơn là sử dụng những câu nói làm tăng mức độ tương tác
URL:
--------------------------------------------
Chủ đề:Phân tích dữ liệu quảng cáo trang web EC bằng cách sử dụng máy học kép
Ngày:Ngày 31 tháng 5 (Thứ Sáu) 12:00 - 13:40
Người trình bày:〇Yugo Suzuki1,2, Tetsuro Morimura2, Tatsushi Oka3,2 (1 Đại học Thành phố Yokohama, 2 xem kèo bóng đá, 3 Đại học Keio)
Tóm tắt:Trên các trang web thương mại điện tử (EC), là các trang web bán sản phẩm và dịch vụ qua Internet, quảng cáo được sử dụng như một phương tiện chính để thúc đẩy doanh số bán hàng Vì vậy, việc ước tính hiệu quả của quảng cáo và đánh giá các chiến lược quảng cáo là rất quan trọng Tuy nhiên, do doanh số bán hàng biến động tùy thuộc vào nhiều yếu tố khác nhau như tính thời vụ, xu hướng thị trường và mô hình hành vi của người tiêu dùng nên việc đánh giá hiệu quả quảng cáo và hoạt động quảng cáo là không dễ dàng Đặc biệt, để không chỉ dự đoán doanh số bán hàng mà còn làm rõ quảng cáo ảnh hưởng đến doanh số bán hàng như thế nào, chúng ta không chỉ cần mô hình dự đoán mà còn cần cả khái niệm suy luận nhân quả Trong nghiên cứu này, chúng tôi sử dụng phương pháp tiếp cận được gọi là học máy kép (DML) kết hợp học máy và suy luận nhân quả để phân tích dữ liệu mua hàng từ các trang web thương mại điện tử và đánh giá hiệu quả quảng cáo cũng như hoạt động quảng cáo Hơn nữa, chúng tôi đề xuất một DML kết hợp các biến tiềm ẩn có tính đến các đặc điểm dữ liệu và xác minh tính hiệu quả của nó Kết quả phân tích cho thấy DML có thể ước tính hiệu quả bán hàng tiềm ẩn khi ước tính hiệu quả quảng cáo và khi có ít dữ liệu, DML tính đến các biến tiềm ẩn có thể ước tính hiệu quả chính xác
URL:
--------------------------------------------
Chủ đề:RLHF bi quan
Ngày:Ngày 31 tháng 5 (Thứ Sáu) 12:00 - 13:40
Người trình bày:〇Tetsuro Morimura 1, Mitsuo Sakamoto 1 (1 xem kèo bóng đá)
Tóm tắt:Học tăng cường từ phản hồi của con người (RLHF) được sử dụng rộng rãi để tinh chỉnh các mô hình ngôn ngữ quy mô lớn (LLM) Tuy nhiên, trong RLHF, mặc dù mô hình khen thưởng đã được huấn luyện nhưng lỗi ước tính nhìn chung vẫn tồn tại, do đó việc thích ứng quá mức với mô hình khen thưởng sẽ trở thành một vấn đề Đây là yếu tố gây khó khăn cho việc áp dụng RLHF Để giải quyết vấn đề này, nghiên cứu này đề xuất một cách tiếp cận tạo ra nhiều mô hình khen thưởng đa dạng và đánh giá phần thưởng một cách bi quan Cụ thể, độ tin cậy của việc tính toán phần thưởng được đánh giá dựa trên sự khác biệt về đầu ra giữa các mô hình phần thưởng và khi độ tin cậy thấp thì phần thưởng được đánh giá một cách bi quan Thực nghiệm kiểm chứng tính hiệu quả của phương pháp
URL: