論文の概要: Unveiling the Secrets of Engaging Conversations: Factors that Keep Users
Hooked on Role-Playing Dialog Agents
- arxiv url: http://arxiv.org/abs/2402.11522v2
- Date: Wed, 13 Mar 2024 02:40:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 17:27:34.191127
- Title: Unveiling the Secrets of Engaging Conversations: Factors that Keep Users
Hooked on Role-Playing Dialog Agents
- Title(参考訳): 会話の秘密を暴露する: ユーザーを維持する要因
ロールプレイングダイアログエージェントについて
- Authors: Shuai Zhang, Yu Lu, Junwen Liu, Jia Yu, Huachuan Qiu, Yuming Yan,
Zhenzhong Lan
- Abstract要約: ボットが果たす役割を具現化する程度は保持率に限られた影響を与え、各ターンの長さは保持率に大きく影響する。
本研究は,ロールプレイングモデルによるユーザエンゲージメントの重要な側面を明らかにし,ロールプレイング目的の大規模言語モデルの開発において,今後の改善に向けた貴重な洞察を提供する。
- 参考スコア(独自算出の注目度): 17.791787477586574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing humanlike nature of dialog agents, people are now engaging
in extended conversations that can stretch from brief moments to substantial
periods of time. Understanding the factors that contribute to sustaining these
interactions is crucial, yet existing studies primarily focusing on short-term
simulations that rarely explore such prolonged and real conversations.
In this paper, we investigate the factors influencing retention rates in real
interactions with roleplaying models. By analyzing a large dataset of
interactions between real users and thousands of characters, we systematically
examine multiple factors and assess their impact on user retention rate.
Surprisingly, we find that the degree to which the bot embodies the roles it
plays has limited influence on retention rates, while the length of each turn
it speaks significantly affects retention rates. This study sheds light on the
critical aspects of user engagement with role-playing models and provides
valuable insights for future improvements in the development of large language
models for role-playing purposes.
- Abstract(参考訳): ダイアログエージェントの人間的な性質が増すにつれ、人々は短い時間から相当な時間にまたがる会話に従事している。
これらの相互作用の持続に寄与する要因を理解することは重要であるが、既存の研究は主にこのような長く実際の会話をほとんど探索しない短期的なシミュレーションに焦点を当てている。
本稿では,ロールプレイングモデルとの実際の相互作用における保持率に影響を与える要因について検討する。
実際のユーザと何千ものキャラクタ間のインタラクションの大規模なデータセットを解析することにより,複数の要因を体系的に検討し,ユーザ保持率への影響を評価する。
驚くべきことに、ボットが果たす役割を具現化する程度は保持率に限られた影響を与え、各ターンの長さは保持率に大きな影響を及ぼす。
本研究は,ロールプレイングモデルによるユーザエンゲージメントの重要な側面を明らかにし,ロールプレイング目的の大規模言語モデルの開発において,今後の改善に向けた貴重な洞察を提供する。
関連論文リスト
- Personality Differences Drive Conversational Dynamics: A High-Dimensional NLP Approach [1.9336815376402723]
我々は、見知らぬ人との対話の軌跡を高次元空間にマッピングする。
本研究は,オープンネスの個性次元の差が大きいインターロケータが相互に影響し,幅広い話題を議論するのにより多くの時間を費やすことを示唆している。
また、参加者の感情(感情)が会話の前から後までどのように変化するかを調べ、外転の差が大きいと影響の差が大きくなることを予測している。
論文 参考訳(メタデータ) (2024-10-14T19:48:31Z) - Unveiling the Impact of Multi-Modal Interactions on User Engagement: A Comprehensive Evaluation in AI-driven Conversations [17.409790984399052]
本稿では,画像と音声をテキストと併用したマルチモーダルインタラクションがユーザエンゲージメントに与える影響について検討する。
本研究は,テキストのみの対話に比べて,マルチモーダルインタラクションによるユーザエンゲージメントが著しく向上していることを明らかにする。
その結果,マルチモーダルインタラクションは認知処理を最適化し,より豊かな情報理解を促進することが示唆された。
論文 参考訳(メタデータ) (2024-06-21T09:26:55Z) - DialSim: A Real-Time Simulator for Evaluating Long-Term Multi-Party Dialogue Understanding of Conversational Agents [13.915753261117901]
リアルタイム対話シミュレータであるDialSimを紹介する。
本シミュレータでは、人気番組のキャラクターの役割をエージェントに割り当てる。
DialSimの主な特徴は、適切な時間内に応答するエージェントの能力を評価することである。
論文 参考訳(メタデータ) (2024-06-19T01:37:10Z) - Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
モデルに依存しない長期対話エージェント(LD-Agent)を導入する。
イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。
LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
論文 参考訳(メタデータ) (2024-06-09T21:58:32Z) - Evaluating Very Long-Term Conversational Memory of LLM Agents [95.84027826745609]
我々は,高品質で長期的な対話を生成するための,マシン・ヒューマン・パイプラインを導入する。
我々は、各エージェントに画像の共有と反応の能力を持たせる。
生成した会話は、長距離一貫性のために人間のアノテーションによって検証され、編集される。
論文 参考訳(メタデータ) (2024-02-27T18:42:31Z) - 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) - HIINT: Historical, Intra- and Inter- personal Dynamics Modeling with
Cross-person Memory Transformer [38.92436852096451]
クロスパーソンメモリトランスフォーマー(CPM-T)フレームワークは、感情力学を明示的にモデル化することができる。
CPM-Tフレームワークはメモリモジュールを維持し、会話ウィンドウ内のコンテキストを保存および更新する。
共同作業,ラップポート,人的信念予測の3つの公開データセットに対して,提案手法の有効性と一般化性を評価する。
論文 参考訳(メタデータ) (2023-05-21T06:43:35Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳(メタデータ) (2022-07-20T13:37:57Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳(メタデータ) (2022-06-01T00:45:32Z) - Other Roles Matter! Enhancing Role-Oriented Dialogue Summarization via
Role Interactions [50.84439853121438]
本稿では,役割指向対話要約のための新しい役割相互作用強化手法を提案する。
クロスアテンションとデコーダのセルフアテンションインタラクションを採用し、他のロールのクリティカル情報を対話的に取得する。
提案手法は,2つの公開ロール指向対話要約データセットにおいて,強いベースラインを著しく上回る。
論文 参考訳(メタデータ) (2022-05-26T06:58:02Z) - Interpretable Artificial Intelligence through the Lens of Feature
Interaction [11.217688723644454]
この研究はまず、機能相互作用の歴史的かつ近代的な重要性を説明し、続いて、機能相互作用を明示的に考慮する近代的解釈可能性法を調査した。
この調査は、機械学習の解釈可能性のより大きな文脈における機能相互作用の重要性を明らかにすることを目的としている。
論文 参考訳(メタデータ) (2021-03-01T23:23:10Z)
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。