論文提出のためのガイド
研究論文を効果的に準備して提出するための重要なステップ。
Yuhe Nie, Michael Middleton, Tim Merino, Nidhushan Kanagaraja, Ashutosh Kumar, Zhan Zhuang, Julian Togelius
― 1 分で読む
目次
おめでとう!論文が受理されたんだね!これから論文を出版するための準備と提出方法を説明するよ。
論文の準備
論文には特定のスタイルを使う必要があるから、必ず使わなきゃいけないスタイルファイルを探してね。これで全ての論文が同じように見えるようになるから、読者にとっても助かるよ。指示に従って。
提出する書類
提出するときには、以下のものを含める必要があるよ:
- 論文のPDF版
- テキストファイル形式のソースファイル
- 参考文献ファイル
- 論文に関連するグラフィック
- 形式設定システムによって生成されたファイル
ファイルがうまく連携してるか確認してね。不必要なファイルは入れないで。
論文の形式設定
論文は二段組のレイアウトにしないといけないよ。米国レターサイズの用紙に合わせること。マージンが正しく設定されてるか確認してね。テキスト、見出し、間隔の形式は変更しないで。
フォントとサイズ
指定されたフォントを使ってね。標準のフォントサイズにすること。特例があればガイドラインで確認して。
タイトルと著者情報
タイトルは明確で、テキストの上に中央に配置すること。タイトルのサイズを特定のものにしてね。著者名はタイトルの後に、所属と連絡先と一緒に書く。これらの情報はタイトルより小さくすること。
セクションと見出し
論文は明確なセクションと見出しで整理してね。見出しは多く作りすぎないように。いくつかの明確な見出しが一番いいよ。番号付きのセクションを使ってもいい。
概要と結論
タイトルの後に、あなたの作品の簡単な要約を提供してね。結論では、発見したことをまとめること。
参考文献
論文で使ったすべての参考文献をリストにしてね。すべての引用が正確で適切に形式設定されてるか確認して。
図と表
図や表は、テキストで最初に言及した場所に含めてね。各図や表には番号とキャプションを下に付けて。わかりやすく、読みやすいことが大事だよ。
画像の要件
サイズと解像度の要件を満たす高品質の画像を使ってね。低解像度の画像は印刷に向いてないから、追加しないで。
脚注と引用
脚注は控えめに使ってね。必要な場合は、論文全体で連続して番号を付けること。引用や特別なパッセージはインデントして、本文と分けるといいよ。
最終チェック
提出する前に、論文をダブルチェックしてね。すべてのガイドラインを満たしているか確認して。特に参考文献や形式にエラーがないか注意して。全てが明確でわかりやすいことが大事だよ。
提出プロセス
提出の準備ができたら、特定のイベントの指示に従ってね。締め切りを忘れずに確認して。
連絡先情報
質問がある場合や助けが必要な場合は、提供された連絡先を探してね。適切なチームに連絡して、ガイダンスを得て。
謝辞
サポートや助けを受けた場合は、感謝のセクションを追加することを考えてみて。短めにまとめてね。
結論
提供された要件に注意を払いながら進めてね。しっかり従うことで、論文が成功裏に出版される可能性が高まるよ。提出がんばって!
タイトル: Moonshine: Distilling Game Content Generators into Steerable Generative Models
概要: Procedural Content Generation via Machine Learning (PCGML) has enhanced game content creation, yet challenges in controllability and limited training data persist. This study addresses these issues by distilling a constructive PCG algorithm into a controllable PCGML model. We first generate a large amount of content with a constructive algorithm and label it using a Large Language Model (LLM). We use these synthetic labels to condition two PCGML models for content-specific generation, a diffusion model and the five-dollar model. This neural network distillation process ensures that the generation aligns with the original algorithm while introducing controllability through plain text. We define this text-conditioned PCGML as a Text-to-game-Map (T2M) task, offering an alternative to prevalent text-to-image multi-modal tasks. We compare our distilled models with the baseline constructive algorithm. Our analysis of the variety, accuracy, and quality of our generation demonstrates the efficacy of distilling constructive methods into controllable text-conditioned PCGML models.
著者: Yuhe Nie, Michael Middleton, Tim Merino, Nidhushan Kanagaraja, Ashutosh Kumar, Zhan Zhuang, Julian Togelius
最終更新: 2024-08-18 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2408.09594
ソースPDF: https://arxiv.org/pdf/2408.09594
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。
参照リンク
- https://aaai.org/example/code
- https://aaai.org/example/datasets
- https://aaai.org/example/extended-version
- https://aaai.org/example/guidelines
- https://aaai.org/example
- https://www.ams.org/tex/type1-fonts.html
- https://titlecaseconverter.com/
- https://aaai.org/ojs/index.php/aimagazine/about/submissions#authorGuidelines
- https://huggingface.co/datasets/DolphinNie/dungeon-dataset