論文の概要: Strength Lies in Differences! Towards Effective Non-collaborative
Dialogues via Tailored Strategy Planning
- arxiv url: http://arxiv.org/abs/2403.06769v1
- Date: Mon, 11 Mar 2024 14:38:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:43:10.686832
- Title: Strength Lies in Differences! Towards Effective Non-collaborative
Dialogues via Tailored Strategy Planning
- Title(参考訳): 強さは違う!
階層型戦略計画による効果的な非協調対話に向けて
- Authors: Tong Zhang, Chen Huang, Yang Deng, Hongru Liang, Jia Liu, Zujie Wen,
Wenqiang Lei, Tat-Seng Chua
- Abstract要約: 我々は,多様なユーザを対象とした適切な戦略計画に携わる非協力的対話エージェントについて検討する。
これは、ユーザ固有の特徴を戦略的計画に統合できないことと、多様なユーザに一般化可能な戦略的プランナーを作成できないことによる、既存の対話エージェントの課題を提起する。
本稿では、ユーザ対応戦略計画モジュールと人口ベーストレーニングパラダイムを取り入れた、戦略計画の調整能力を高めるため、TRIPを提案する。
- 参考スコア(独自算出の注目度): 72.5640488112819
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate non-collaborative dialogue agents that must engage in tailored
strategic planning for diverse users to secure a favorable agreement. This
poses challenges for existing dialogue agents due to two main reasons: their
inability to integrate user-specific characteristics into their strategic
planning and their training paradigm's failure to produce strategic planners
that can generalize to diverse users. To address these challenges, we propose
TRIP to enhance the capability in tailored strategic planning, incorporating a
user-aware strategic planning module and a population-based training paradigm.
Through experiments on benchmark non-collaborative dialogue tasks, we
demonstrate the effectiveness of TRIP in catering to diverse users.
- Abstract(参考訳): 我々は,多様なユーザを対象とした適切な戦略計画に携わる非協力的対話エージェントについて検討する。
これは、ユーザ固有の特徴を戦略的計画に統合できないことと、多様なユーザに一般化可能な戦略的プランナーを作成できないことの2つの主な理由から、既存の対話エージェントに課題を提起する。
これらの課題に対処するため,我々は,ユーザ対応の戦略計画モジュールと人口ベースの訓練パラダイムを組み込んだ,戦略計画の調整能力向上のためのトリップを提案する。
協調的でない対話タスクのベンチマーク実験を通じて,多様なユーザを対象に,TRIPの有効性を示す。
関連論文リスト
- Plug-and-Play Policy Planner for Large Language Model Powered Dialogue
Agents [121.46051697742608]
そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。
具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。
PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
論文 参考訳(メタデータ) (2023-11-01T03:20:16Z) - Self-Explanation Prompting Improves Dialogue Understanding in Large
Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。
このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。
6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文 参考訳(メタデータ) (2023-09-22T15:41:34Z) - Rehearsal: Simulating Conflict to Teach Conflict Resolution [54.32934135393982]
リハーサル(Rehearsal)は、ユーザーがシミュレート可能なインターロケータで競合をリハーサルできるシステムである。
ユーザはRehearsalを使って、事前に定義されたさまざまなコンフリクトシナリオの処理を実践できる。
リハーサルはIRPを使って紛争解決理論に基づく発話を生成する。
論文 参考訳(メタデータ) (2023-09-21T17:59:20Z) - Investigating Reinforcement Learning for Communication Strategies in a
Task-Initiative Setting [8.680676599607123]
我々は,ユーザ明確化戦略の関数として,最初のプレゼンテーションとその後のフォローアップのトレードオフを分析する。
我々は、最小限のデータ要求、説明可能な選択、強力な監査機能をもたらす対話戦略の一貫性に基づく表現に対する驚くべき優位性を見出した。
論文 参考訳(メタデータ) (2023-08-03T00:10:23Z) - Improving Multi-turn Emotional Support Dialogue Generation with
Lookahead Strategy Planning [81.79431311952656]
感情支援のための新しいシステムMultiESCを提案する。
戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。
ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
論文 参考訳(メタデータ) (2022-10-09T12:23:47Z) - Modeling Non-Cooperative Dialogue: Theoretical and Empirical Insights [11.462075538526703]
視覚対話タスクの完了時に非協調的インターロケータを識別するエージェントの能力について検討する。
本研究では,非協調的インターロケータを同定する理論モデルの開発に学習理論のツールを使用し,この理論を適用して異なるコミュニケーション戦略を解析する。
論文 参考訳(メタデータ) (2022-07-15T02:08:41Z) - DialoGraph: Incorporating Interpretable Strategy-Graph Networks into
Negotiation Dialogues [19.910167188269785]
本稿では,グラフニューラルネットワークを用いた交渉対話において,現実的な戦略を取り入れた交渉システムDialoGraphを提案する。
提案手法は、戦略/対話行動予測の精度と下流対話応答生成の品質の両方において、最先端の交渉モデルより優れている。
論文 参考訳(メタデータ) (2021-06-02T03:34:36Z) - Learning Goal-oriented Dialogue Policy with Opposite Agent Awareness [116.804536884437]
本稿では,目標指向対話における政策学習のための逆行動認識フレームワークを提案する。
我々は、その行動から相手エージェントの方針を推定し、この推定を用いてターゲットエージェントを対象ポリシーの一部として関連づけて改善する。
論文 参考訳(メタデータ) (2020-04-21T03:13:44Z)
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。