論文の概要: SweetieChat: A Strategy-Enhanced Role-playing Framework for Diverse Scenarios Handling Emotional Support Agent
- arxiv url: http://arxiv.org/abs/2412.08389v1
- Date: Wed, 11 Dec 2024 13:56:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-12 14:02:53.562470
- Title: SweetieChat: A Strategy-Enhanced Role-playing Framework for Diverse Scenarios Handling Emotional Support Agent
- Title（参考訳）: SweetieChat: 感情支援エージェントを扱う横シナリオのための戦略強化型ロールプレイングフレームワーク
- Authors: Jing Ye, Lu Xiang, Yaping Zhang, Chengqing Zong,
- Abstract要約: 大規模言語モデル(LLM)は、相互作用中に共感的サポートを提供する有望な可能性を実証している。
本稿では,現実的な感情支援会話をシミュレートする,革新的な戦略強化型ロールプレイングフレームワークを提案する。
本フレームワークでは,3.7K+のマルチターン対話と62.8K+の発話からなるtextbfServeForEmoデータセットを開発した。
- 参考スコア（独自算出の注目度）: 27.301608019492043
- License:
- Abstract: Large Language Models (LLMs) have demonstrated promising potential in providing empathetic support during interactions. However, their responses often become verbose or overly formulaic, failing to adequately address the diverse emotional support needs of real-world scenarios. To tackle this challenge, we propose an innovative strategy-enhanced role-playing framework, designed to simulate authentic emotional support conversations. Specifically, our approach unfolds in two steps: (1) Strategy-Enhanced Role-Playing Interactions, which involve three pivotal roles -- Seeker, Strategy Counselor, and Supporter -- engaging in diverse scenarios to emulate real-world interactions and promote a broader range of dialogues; and (2) Emotional Support Agent Training, achieved through fine-tuning LLMs using our specially constructed dataset. Within this framework, we develop the \textbf{ServeForEmo} dataset, comprising an extensive collection of 3.7K+ multi-turn dialogues and 62.8K+ utterances. We further present \textbf{SweetieChat}, an emotional support agent capable of handling diverse open-domain scenarios. Extensive experiments and human evaluations confirm the framework's effectiveness in enhancing emotional support, highlighting its unique ability to provide more nuanced and tailored assistance.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、相互作用中に共感的サポートを提供する有望な可能性を実証している。
しかし、それらの反応はしばしば冗長あるいは過度に定式化され、現実世界のシナリオにおける多様な感情的支援のニーズに適切に対処することができない。
この課題に対処するために,本研究では,真の感情支援会話をシミュレートする,革新的な戦略強化型ロールプレイングフレームワークを提案する。
具体的には,(1)3つの重要な役割であるシーカー,戦略カウンセラー,支援者を含む戦略強化型ロールプレイングインタラクションが,現実世界のインタラクションをエミュレートし,幅広い対話を促進するための多様なシナリオに携わる。
本フレームワークでは,3.7K+の多ターン対話と62.8K+の発話を広範囲に収集した,textbf{ServeForEmo}データセットを開発した。
さらに,多様なオープンドメインシナリオを処理可能な感情支援エージェントであるtextbf{SweetieChat} を提示する。
大規模な実験と人間の評価は、感情的支援を強化する上でのフレームワークの有効性を確認し、よりニュアンスで調整された支援を提供するユニークな能力を強調している。
関連論文リスト
- PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳（メタデータ） (2024-08-18T13:51:01Z) - STICKERCONV: Generating Multimodal Empathetic Responses from Scratch [23.733723334721695]
STICKERCONV (Agent4SC) は, 協調的なエージェントインタラクションを用いて, ステッカー使用による人間の行動の現実的なシミュレートを行う。
我々は12.9Kの対話セッション、5.8Kのユニークなステッカー、2Kの多様な会話シナリオからなるマルチモーダル共感対話データセットSTICKERCONVを開発した。
さらに,マルチモーダルな共感応答生成フレームワークPEGSを提案する。
論文 参考訳（メタデータ） (2024-01-20T13:44:21Z) - Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。
合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。
我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
論文 参考訳（メタデータ） (2023-09-29T13:33:06Z) - 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) - Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。
マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2023-07-16T09:58:44Z) - PoKE: Prior Knowledge Enhanced Emotional Support Conversation with
Latent Variable [1.5787128553734504]
感情的なサポートは、対話システムにトレーニングされるべき重要なコミュニケーションスキルです。
既存の研究の多くは、現在の状況に応じて支援戦略を予測し、対応する感情的支援を提供する。
本稿では,潜在変数モデルであるPoKEを用いた事前知識向上型感情支援会話を提案する。
論文 参考訳（メタデータ） (2022-10-23T07:31:24Z) - 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) - Towards Emotional Support Dialog Systems [61.58828606097423]
本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。
本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。
情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
論文 参考訳（メタデータ） (2021-06-02T13:30:43Z)
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。