論文の概要: A Flexible Schema-Guided Dialogue Management Framework: From Friendly
Peer to Virtual Standardized Cancer Patient
- arxiv url: http://arxiv.org/abs/2207.07276v1
- Date: Fri, 15 Jul 2022 03:52:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-18 13:17:30.997396
- Title: A Flexible Schema-Guided Dialogue Management Framework: From Friendly
Peer to Virtual Standardized Cancer Patient
- Title(参考訳): フレキシブルなスキーマガイド型対話管理フレームワーク:フレンドリーピアから仮想標準化癌患者へ
- Authors: Benjamin Kane, Catherine Giugno, Lenhart Schubert, Kurtis Haut, Caleb
Wohn, Ehsan Hoque
- Abstract要約: 本稿では,仮想標準化癌患者SOPHIEの開発に使用される汎用的スキーマ誘導対話管理フレームワークについて述べる。
我々のエージェントは、自然な、感情的に適切で、癌患者としての彼女の役割と一致した反応を生み出すと判断される。
- 参考スコア(独自算出の注目度): 2.1530718840070784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A schema-guided approach to dialogue management has been shown in recent work
to be effective in creating robust customizable virtual agents capable of
acting as friendly peers or task assistants. However, successful applications
of these methods in open-ended, mixed-initiative domains remain elusive --
particularly within medical domains such as virtual standardized patients,
where such complex interactions are commonplace -- and require more extensive
and flexible dialogue management capabilities than previous systems provide. In
this paper, we describe a general-purpose schema-guided dialogue management
framework used to develop SOPHIE, a virtual standardized cancer patient that
allows a doctor to conveniently practice for interactions with patients. We
conduct a crowdsourced evaluation of conversations between medical students and
SOPHIE. Our agent is judged to produce responses that are natural, emotionally
appropriate, and consistent with her role as a cancer patient. Furthermore, it
significantly outperforms an end-to-end neural model fine-tuned on a human
standardized patient corpus, attesting to the advantages of a schema-guided
approach.
- Abstract(参考訳): スキーマ誘導による対話管理のアプローチは、フレンドリーなピアやタスクアシスタントとして機能する堅牢なカスタマイズ可能な仮想エージェントを作成するのに有効である。
しかし、これらの手法のオープンエンド・ミックスイニシアティブ領域への応用は、特にこのような複雑な相互作用が一般的である仮想標準化患者のような医療領域において、解明され、従来のシステムよりも広範囲で柔軟な対話管理能力を必要とする。
本稿では、医師が患者との対話に便利に実践できる仮想標準化されたがん患者SOPHIEを開発するために使用される汎用スキーマ誘導対話管理フレームワークについて述べる。
我々は,医学生とSOPHIEの対話をクラウドソースで評価する。
我々のエージェントは、自然な、感情的に適切で、癌患者としての彼女の役割と一致した反応を生み出すと判断される。
さらに、ヒトの標準化された患者コーパスに微調整されたエンド・ツー・エンドのニューラルモデルを大幅に上回り、スキーマ誘導アプローチの利点を証明している。
関連論文リスト
- AI Hospital: Interactive Evaluation and Collaboration of LLMs as Intern
Doctors for Clinical Diagnosis [72.50974375416239]
リアルタイムのインタラクティブな診断環境を構築するために設計されたフレームワークであるAI Hospitalを紹介する。
様々な大規模言語モデル(LLM)は、対話的診断のためのインターン医師として機能する。
我々は,医療部長の監督の下で,反復的な議論と紛争解決プロセスを含む協調的なメカニズムを導入する。
論文 参考訳(メタデータ) (2024-02-15T06:46:48Z) - Benchmarking Large Language Models on Communicative Medical Coaching: a
Novel System and Dataset [28.435148148156706]
統合された人間-AI協調フレームワークChatCoach'を紹介する。
患者エージェントとコーチングエージェントは、医療コミュニケーションスキルの実践において、医療学習者を協調的に支援する。
比較分析の結果,Llama2はChatGPTのプロンプトベースアプローチよりも優れていることがわかった。
論文 参考訳(メタデータ) (2024-02-08T10:32:06Z) - Beyond Direct Diagnosis: LLM-based Multi-Specialist Agent Consultation
for Automatic Diagnosis [30.943705201552643]
本研究では,潜在的な疾患に対するエージェントの確率分布を適応的に融合させることにより,現実世界の診断過程をモデル化する枠組みを提案する。
提案手法では,パラメータ更新とトレーニング時間を大幅に短縮し,効率と実用性を向上する。
論文 参考訳(メタデータ) (2024-01-29T12:25:30Z) - AntEval: Evaluation of Social Interaction Competencies in LLM-Driven
Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。
しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。
本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文 参考訳(メタデータ) (2024-01-12T11:18:00Z) - Integrating Physician Diagnostic Logic into Large Language Models:
Preference Learning from Process Feedback [20.73076574974894]
プロセスフィードバックから選好学習というアプローチを提案する。
PLPFは医師の診断ロジックをLSMに統合する。
PLPFは医療会話におけるベースラインモデルの診断精度を17.6%向上させる。
論文 参考訳(メタデータ) (2024-01-11T06:42:45Z) - NoteChat: A Dataset of Synthetic Doctor-Patient Conversations
Conditioned on Clinical Notes [18.038716318441377]
NoteChatは、Large Language Models (LLMs)を活用して、患者と物理学者の対話を生成する新しい協調型マルチエージェントフレームワークである。
NoteChatは、臨床ノートに基づいた優れた合成患者と物理学の対話を生成する際に、ドメインの専門家によって、ChatGPTやGPT-4のような最先端のモデルを22.78%まで大幅に上回っている。
論文 参考訳(メタデータ) (2023-10-24T15:59:43Z) - PlugMed: Improving Specificity in Patient-Centered Medical Dialogue
Generation using In-Context Learning [20.437165038293426]
患者中心の医療対話システムは、医療知識に乏しいユーザーに診断解釈サービスを提供しようとしている。
大きな言語モデル(LLM)では、期待できる性能にもかかわらず応答の特異性を保証することは困難である。
In-context Learning に触発されて,プラグイン・アンド・プレイ医療対話システム PlugMed を提案する。
論文 参考訳(メタデータ) (2023-05-19T08:18:24Z) - A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks
and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。
マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。
本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文 参考訳(メタデータ) (2022-04-19T16:43:21Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳(メタデータ) (2021-05-13T04:14:35Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳(メタデータ) (2020-10-15T03:34:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。