論文の概要: Improving Interpersonal Communication by Simulating Audiences with Language Models

• arxiv url: http://arxiv.org/abs/2311.00687v2
• Date: Fri, 3 Nov 2023 13:17:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 11:31:57.152000
• Title: Improving Interpersonal Communication by Simulating Audiences with Language Models
• Title（参考訳）: オーディエンスを言語モデルでシミュレートした対人コミュニケーションの改善
• Authors: Ryan Liu and Howard Yen and Raja Marjieh and Thomas L. Griffiths and Ranjay Krishna
• Abstract要約: 本研究では,個人が目標を達成しようとする聴衆にコミュニケーションするシナリオを入力として扱う,探索・シミュレーション・シミュレーション(EGS)フレームワークを提案する。 EGSは、シナリオに関連するアドバイスの多様なセットを生成し、アドバイスのサブセットに条件付けされたコミュニケーション候補を生成し、様々なオーディエンスからの反応をシミュレートし、最適な候補と使用するアドバイスの両方を決定する。 EGSは,様々な状況において,目標指向コミュニケーションの有効性と成果を高める。
• 参考スコア（独自算出の注目度）: 20.056253963100463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How do we communicate with others to achieve our goals? We use our prior experience or advice from others, or construct a candidate utterance by predicting how it will be received. However, our experiences are limited and biased, and reasoning about potential outcomes can be difficult and cognitively challenging. In this paper, we explore how we can leverage Large Language Model (LLM) simulations to help us communicate better. We propose the Explore-Generate-Simulate (EGS) framework, which takes as input any scenario where an individual is communicating to an audience with a goal they want to achieve. EGS (1) explores the solution space by producing a diverse set of advice relevant to the scenario, (2) generates communication candidates conditioned on subsets of the advice, and (3) simulates the reactions from various audiences to determine both the best candidate and advice to use. We evaluate the framework on eight scenarios spanning the ten fundamental processes of interpersonal communication. For each scenario, we collect a dataset of human evaluations across candidates and baselines, and showcase that our framework's chosen candidate is preferred over popular generation mechanisms including Chain-of-Thought. We also find that audience simulations achieve reasonably high agreement with human raters across 5 of the 8 scenarios. Finally, we demonstrate the generality of our framework by applying it to real-world scenarios described by users on web forums. Through evaluations and demonstrations, we show that EGS enhances the effectiveness and outcomes of goal-oriented communication across a variety of situations, thus opening up new possibilities for the application of large language models in revolutionizing communication and decision-making processes.
• Abstract（参考訳）: 目標を達成するために、他人とどのようにコミュニケーションするか? 事前の経験や他の人からのアドバイスを使い、どのように受けられるかを予測することで候補発話を構築します。 しかしながら、私たちの経験は限定的で偏りがあり、潜在的な結果に対する推論は困難かつ認知的に困難です。 本稿では,大規模言語モデル(llm)シミュレーションを活用してコミュニケーションを改善する方法について検討する。 我々は,個人が目標達成を目標としてオーディエンスとコミュニケーションしているシナリオの入力として,explore-generate-simulate(egs)フレームワークを提案する。 egs (1) シナリオに関連する多様なアドバイスセットを作成し、(2)アドバイスのサブセットに基づいて条件付けされたコミュニケーション候補を生成し、(3)最適な候補とアドバイスの両方を決定するために様々なオーディエンスからの反応をシミュレートする。 対人コミュニケーションの10の基本的なプロセスにまたがる8つのシナリオについて評価した。 それぞれのシナリオにおいて、候補とベースラインにまたがる人間の評価のデータセットを収集し、フレームワークの選択した候補が、Chain-of-Thoughtなどの一般的な生成メカニズムよりも好ましいことを示す。 また,8つのシナリオのうち5つのシナリオにおいて,オーディエンスシミュレーションが人間と合理的に高い合意を得ることがわかった。 最後に,Webフォーラム上でユーザが記述した実世界のシナリオに適用することで,フレームワークの汎用性を実証する。 評価と実演を通じて、ESGは様々な状況における目標指向コミュニケーションの有効性と成果を高め、コミュニケーションや意思決定プロセスの革新化における大規模言語モデルの適用に新たな可能性を開く。

関連論文リスト

• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• Evaluating Large Language Models as Generative User Simulators for Conversational Recommendation [20.171574438536673]
  本稿では,言語モデルが対話的推薦において人間の行動を正確にエミュレートできる程度を測定するための新しいプロトコルを提案する。 これらのタスクは、人間の行動から言語モデルの逸脱を効果的に明らかにし、モデル選択と促進戦略による逸脱を減らす方法についての洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-13T18:16:21Z)
• Decision-Oriented Dialogue for Human-AI Collaboration [62.367222979251444]
  そこでは,大規模言語モデル(LM)のようなAIアシスタントが,自然言語を介して複数の人間と協調して複雑な意思決定を行うための,意思決定指向対話と呼ばれるタスクのクラスについて述べる。 日常的な意思決定に直面する3つの領域を定式化し,(1)レビュアーの会議論文への課題の選択,(2)都市における複数段階の旅程の計画,(3)友人集団の旅行計画の交渉を行う。 各タスクに対して、エージェントが到達した最終決定の質に基づいて報酬を受け取る対話環境を構築する。
  論文  参考訳（メタデータ） (2023-05-31T17:50:02Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Rethinking the Evaluation for Conversational Recommendation in the Era of Large Language Models [115.7508325840751]
  近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。 本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。 LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
  論文  参考訳（メタデータ） (2023-05-22T15:12:43Z)
• Human Choice Prediction in Language-based Persuasion Games: Simulation-based Off-Policy Evaluation [24.05034588588407]
  本稿では,このようなエージェントの設計における重要な側面について論じる。 人工エージェントを用いた意思決定ゲームを繰り返し行う人間による87Kの意思決定データセットを収集した。 我々のアプローチでは、あるエージェントサブセットと人間のインタラクションに関するモデルをトレーニングして、他のエージェントとのインタラクションにおける決定を予測します。
  論文  参考訳（メタデータ） (2023-05-17T16:38:11Z)
• An Information-Theoretic Approach for Estimating Scenario Generalization in Crowd Motion Prediction [27.10815774845461]
  本稿では,ソース・クラウド・シナリオに基づいて学習したモデルの一般化を特徴付ける新しいスコアリング手法を提案する。 インタラクションコンポーネントはシナリオドメインの難易度を特徴付けることを目的としており、シナリオドメインの多様性はダイバーシティスコアで取得される。 提案手法の有効性をシミュレーションおよび実世界(ソース,ターゲット)の一般化タスクで検証した。
  論文  参考訳（メタデータ） (2022-11-02T01:39:30Z)
• Towards a Progression-Aware Autonomous Dialogue Agent [14.09591070450606]
  本稿では,対話エージェントが対話の進行を望ましい結果から遠ざかることができる枠組みを提案する。 本フレームワークは,(1)「グローバル」対話状態(GDS)の概念,(2)会話の軌跡から計算したタスク固有進行関数(PF),(3)エージェントが進行信号を使用して次の応答を選択する対話ロールアウトに基づく計画機構の3つの重要な要素から構成される。
  論文  参考訳（メタデータ） (2022-05-07T17:37:43Z)
• Conversational Recommendation: Theoretical Model and Complexity Analysis [6.084774669743511]
  理論的にドメインに依存しない会話推薦モデルを提案する。 効率的な会話戦略の発見はNPハードであることが示される。 また,カタログの特徴が個々の対話戦略の効率性に強く影響を与えることを示す。
  論文  参考訳（メタデータ） (2021-11-10T09:05:52Z)
• Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
  本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。 我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
  論文  参考訳（メタデータ） (2020-10-26T21:34:39Z)
• SPA: Verbal Interactions between Agents and Avatars in Shared Virtual Environments using Propositional Planning [61.335252950832256]
  SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。 提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
  論文  参考訳（メタデータ） (2020-02-08T23:15:06Z)

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。