論文の概要: VicSim: Enhancing Victim Simulation with Emotional and Linguistic Fidelity

• arxiv url: http://arxiv.org/abs/2501.03139v1
• Date: Mon, 06 Jan 2025 17:01:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:06:42.243198
• Title: VicSim: Enhancing Victim Simulation with Emotional and Linguistic Fidelity
• Title（参考訳）: VicSim:感情的・言語的忠実度による被害者シミュレーションの強化
• Authors: Yerong Li, Yiren Liu, Yun Huang,
• Abstract要約: VicSimはユーザシミュレーションの3つの重要な側面(情報忠実性、感情力学、言語スタイル)に対処する新しいモデルである。 我々の敵対的訓練アプローチは、識別者に対して、文法と感情の手がかりを、合成内容の信頼性のある指標として認識するように教える。
• 参考スコア（独自算出の注目度）: 5.103173705069556
• License:
• Abstract: Scenario-based training has been widely adopted in many public service sectors. Recent advancements in Large Language Models (LLMs) have shown promise in simulating diverse personas to create these training scenarios. However, little is known about how LLMs can be developed to simulate victims for scenario-based training purposes. In this paper, we introduce VicSim (victim simulator), a novel model that addresses three key dimensions of user simulation: informational faithfulness, emotional dynamics, and language style (e.g., grammar usage). We pioneer the integration of scenario-based victim modeling with GAN-based training workflow and key-information-based prompting, aiming to enhance the realism of simulated victims. Our adversarial training approach teaches the discriminator to recognize grammar and emotional cues as reliable indicators of synthetic content. According to evaluations by human raters, the VicSim model outperforms GPT-4 in terms of human-likeness.
• Abstract（参考訳）: シナリオベースのトレーニングは多くの公共サービス部門で広く採用されている。 大規模言語モデル(LLM)の最近の進歩は、これらのトレーニングシナリオを作成するために多様なペルソナをシミュレートする可能性を示している。 しかし、シナリオベースのトレーニングのために犠牲者をシミュレートするLLMの開発方法については、ほとんど分かっていない。 本稿では, ユーザシミュレーションの3つの重要な側面, 情報忠実性, 感情力学, 言語スタイル(文法使用法など)を扱う新しいモデルであるVicSimを紹介する。 我々は、シナリオベースの被害者モデリングとGANベースのトレーニングワークフローとキー情報に基づくプロンプトの統合を開拓し、シミュレーションされた被害者の現実性を高めることを目的とした。 我々の敵対的訓練アプローチは、識別者に対して、文法と感情の手がかりを、合成内容の信頼性のある指標として認識するように教える。 人間のレーティングによる評価によると、VicSimモデルは人間に近い点でGPT-4を上回っている。

関連論文リスト

• SimSiam Naming Game: A Unified Approach for Representation Learning and Emergent Communication [6.712251433139411]
  表現学習と創発的コミュニケーションのための統一的なアプローチであるSimSiam+VAEを提案する。 SimSiam+VAEは変分オートエンコーダをSimSiamネットワークの予測器に統合し、表現学習を強化し、不確実性を捉える。 我々はこのモデルをSimSiam Naming Game(SSNG)と呼ばれるコミュニケーションフレームワークに拡張する。
  論文  参考訳（メタデータ） (2024-10-29T07:16:20Z)
• Human Simulacra: Benchmarking the Personification of Large Language Models [38.21708264569801]
  大規模言語モデル(LLM)は、人間の知性の側面を忠実に模倣するシステムとして認識されている。 本稿では,仮想キャラクタのライフストーリーをゼロから構築するためのフレームワークを提案する。 実験により, 構築したシミュラクラは, 対象キャラクタと一致した擬人化応答を生成できることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:11:14Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Learning Interactive Real-World Simulators [96.5991333400566]
  生成モデルを用いて実世界の相互作用の普遍的なシミュレータを学習する可能性について検討する。 シミュレーターを用いて、高レベルな視覚言語ポリシーと低レベルな強化学習ポリシーの両方を訓練する。 ビデオキャプションモデルは、シミュレートされた経験を持つトレーニングの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2023-10-09T19:42:22Z)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Training Data Leakage Analysis in Language Models [6.843491191969066]
  本稿では,強大かつ現実的な脅威モデルの下で漏洩する可能性のあるトレーニングデータ中のユーザコンテンツを識別する手法を提案する。 本研究では,トレーニングデータに固有の文断片を生成するモデルの能力を測定することにより,ユーザレベルのデータ漏洩を定量化する2つの指標を提案する。
  論文  参考訳（メタデータ） (2021-01-14T00:57:32Z)
• Adaptive Synthetic Characters for Military Training [0.9802137009065037]
  現在の軍事シミュレーションにおける合成文字の挙動は、一般的にルールベースおよびリアクティブ計算モデルによって生成されるため、限られている。 本稿では,信頼できる行動のコヒーレントなシーケンスを実行できる自律的な合成文字を作成することを目的とした枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-06T18:45:48Z)
• SimAug: Learning Robust Representations from Simulation for Trajectory Prediction [78.91518036949918]
  本研究では,シミュレーション学習データの拡張により,ロバスト表現を学習する新しい手法を提案する。 我々は,SimAugが実世界の3つのベンチマークで有望な結果を得ることを示す。
  論文  参考訳（メタデータ） (2020-04-04T21:22:01Z)

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。