論文の概要: Chain-of-Strategy Planning with LLMs: Aligning the Generation of Psychotherapy Dialogue with Strategy in Motivational Interviewing

• arxiv url: http://arxiv.org/abs/2408.06527v1
• Date: Mon, 12 Aug 2024 23:19:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-14 19:07:10.103316
• Title: Chain-of-Strategy Planning with LLMs: Aligning the Generation of Psychotherapy Dialogue with Strategy in Motivational Interviewing
• Title（参考訳）: LLMを用いた戦略プランニング:モチベーション面接における心理療法対話の生成と戦略の対応
• Authors: Xin Sun, Xiao Tang, Abdallah El Ali, Zhuying Li, Xiaoyu Shen, Pengjie Ren, Jan de Wit, Jiahuan Pei, Jos A. Bosch,
• Abstract要約: 本稿では,CoS(Chain-of-Strategy)計画を用いた戦略対応対話生成手法を提案する。 これは、生成されたMI対話と治療戦略を整合させることにより、心理療法における制御可能で説明可能な生成の可能性をもたらす。
• 参考スコア（独自算出の注目度）: 33.170793571916356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in large language models (LLMs) have shown promise in generating psychotherapeutic dialogues, especially in Motivational Interviewing (MI). However, how to employ strategies, a set of motivational interviewing (MI) skills, to generate therapeutic-adherent conversations with explainability is underexplored. We propose an approach called strategy-aware dialogue generation with Chain-of-Strategy (CoS) planning, which first predicts MI strategies as reasoning and utilizes these strategies to guide the subsequent dialogue generation. It brings the potential for controllable and explainable generation in psychotherapy by aligning the generated MI dialogues with therapeutic strategies. Extensive experiments including automatic and human evaluations are conducted to validate the effectiveness of the MI strategy. Our findings demonstrate the potential of LLMs in producing strategically aligned dialogues and suggest directions for practical applications in psychotherapeutic settings.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、特にモチベーション・インタヴュー(MI)において、精神療法的対話の生成において有望であることを示している。 しかし,モチベーション・インタヴュー(MI)のスキルを駆使して,説明可能性を伴う治療的・一貫性のある会話を創出するには,戦略の活用方法が過小評価されている。 本稿では、まず、MI戦略を推論として予測し、これらの戦略を用いてその後の対話生成を導出する戦略対応対話生成手法を提案する。 これは、生成されたMI対話と治療戦略を整合させることにより、心理療法における制御可能で説明可能な生成の可能性をもたらす。 MI戦略の有効性を検証するために, 自動評価, 人的評価を含む広範囲な実験を行った。 本研究は,LSMが戦略的に整合した対話を創出する可能性を示し,心理療法における実践的応用の方向性を示唆するものである。

関連論文リスト

• LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
  戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。 大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。 戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• Are LLMs Effective Negotiators? Systematic Evaluation of the Multifaceted Capabilities of LLMs in Negotiation Dialogues [4.738985706520995]
  本研究の目的は,多様な対話シナリオにまたがるLLMの多面的特徴を体系的に解析することである。 本分析では,GPT-4の課題を特定しながら,多くのタスクにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-21T06:11:03Z)
• 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)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• Prompting and Evaluating Large Language Models for Proactive Dialogues: Clarification, Target-guided, and Non-collaboration [72.04629217161656]
  本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。 LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:49:35Z)
• Do You Know My Emotion? Emotion-Aware Strategy Recognition towards a Persuasive Dialogue System [14.724751780218297]
  説得的戦略認識タスクは、会話に応じて、説得者の採用戦略を認識するようシステムに要求する。 従来の手法は主に文脈情報に焦点を当てており、心理的フィードバック、すなわち説得者の感情を取り入れて戦略を予測することはほとんど知られていない。 本稿では,CFO-Net(Cross- Channel Feedback memOry Network)を提案する。
  論文  参考訳（メタデータ） (2022-06-24T06:24:46Z)

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。