Modeling Human-like Concept Learning with Bayesian Inference over Natural Language

要約

自然言語の発話に対してベイズ推論を行うことで、抽象的なシンボル概念の学習をモデル化する。効率的な推論のために、提案分布として大規模な言語モデルを使用する。人間の学習者をよりよくモデル化するために、人間のデータに事前分布を当てはめ、生成的概念と論理的概念の両方について評価する。

要約(オリジナル)

We model learning of abstract symbolic concepts by performing Bayesian inference over utterances in natural language. For efficient inference, we use a large language model as a proposal distribution. We fit a prior to human data to better model human learners, and evaluate on both generative and logical concepts.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL