論文の概要: MeetMap: Real-Time Collaborative Dialogue Mapping with LLMs in Online Meetings

• arxiv url: http://arxiv.org/abs/2502.01564v1
• Date: Mon, 03 Feb 2025 17:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:57:13.900393
• Title: MeetMap: Real-Time Collaborative Dialogue Mapping with LLMs in Online Meetings
• Title（参考訳）: MeetMap: オンラインミーティングにおけるLLMを用いたリアルタイム共同対話マッピング
• Authors: Xinyue Chen, Nathan Yap, Xinyi Lu, Aylin Gunal, Xu Wang,
• Abstract要約: 異なるレベルのAIアシストを含む2つのシステム変種について検討する。 Human-Mapでは、AIは会話の要約をノードとして生成し、ユーザはノードとの対話マップを作成する。 AIマップでは、AIはユーザーが編集できる対話マップを生成する。
• 参考スコア（独自算出の注目度）: 6.515532419476521
• License:
• Abstract: Video meeting platforms display conversations linearly through transcripts or summaries. However, ideas during a meeting do not emerge linearly. We leverage LLMs to create dialogue maps in real time to help people visually structure and connect ideas. Balancing the need to reduce the cognitive load on users during the conversation while giving them sufficient control when using AI, we explore two system variants that encompass different levels of AI assistance. In Human-Map, AI generates summaries of conversations as nodes, and users create dialogue maps with the nodes. In AI-Map, AI produces dialogue maps where users can make edits. We ran a within-subject experiment with ten pairs of users, comparing the two MeetMap variants and a baseline. Users preferred MeetMap over traditional methods for taking notes, which aligned better with their mental models of conversations. Users liked the ease of use for AI-Map due to the low effort demands and appreciated the hands-on opportunity in Human-Map for sense-making.
• Abstract（参考訳）: ビデオ会議プラットフォームは、書き起こしや要約を通じて会話を直線的に表示する。 しかし、会議中のアイデアは線形に現れない。 LLMを活用して対話マップをリアルタイムで作成することで,アイデアを視覚的に構造化し,接続する上で有効です。 会話中のユーザの認知的負荷を軽減する必要性のバランスをとるとともに、AIを使用する際の十分なコントロールを提供し、異なるレベルのAIアシストを含む2つのシステム変種を探索する。 Human-Mapでは、AIは会話の要約をノードとして生成し、ユーザはノードとの対話マップを作成する。 AIマップでは、AIはユーザーが編集できる対話マップを生成する。 私たちは10組のユーザで、MeetMapの2つのバージョンとベースラインを比較して、オブジェクト内実験を行いました。 ユーザーはノートを取る従来の方法よりもMeetMapを好んだ。 ユーザは、努力の低さからAI-Mapの使いやすさを気に入り、センスメイキングのためのHuman-Mapのハンズオンの機会を高く評価した。

関連論文リスト

• REALTALK: A 21-Day Real-World Dataset for Long-Term Conversation [51.97224538045096]
  本稿では、21日間のメッセージアプリ対話のコーパスであるREALTALKを紹介する。 EI属性とペルソナの整合性を比較し,現実世界の対話による課題を理解する。 その結果,モデルでは対話履歴のみからユーザをシミュレートすることが困難であり,特定のユーザチャットの微調整はペルソナのエミュレーションを改善することがわかった。
  論文  参考訳（メタデータ） (2025-02-18T20:29:01Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
  マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。 これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。 本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
  論文  参考訳（メタデータ） (2023-10-31T14:12:07Z)
• Approximating Online Human Evaluation of Social Chatbots with Prompting [11.657633779338724]
  既存の評価指標は、オフラインユーザ評価の自動化と、事前計算したダイアログの人的判断の近似を目的としている。 GPTファミリーの大規模言語モデル(LLM)を利用したオンライン人間評価の近似手法を提案する。 Prompting (DEP) に基づく新しいダイアログシステム評価フレームワークを導入し,完全な自動評価パイプラインを実現する。
  論文  参考訳（メタデータ） (2023-04-11T14:45:01Z)
• Chat2Map: Efficient Scene Mapping from Multi-Ego Conversations [65.37621891132729]
  本研究では,自然会話における参加者のエゴセントリックな音声・視覚的観察において,共有情報を活用することで,これまで見つからなかった3D環境の地図を構築する。 共有シーンマッパーと協調して、カメラを選択的にオンにして空間を効率よくチャートアウトする、オーディオ-視覚深層強化学習手法を提案する。 我々のモデルは従来の最先端マッピング手法よりも優れており、優れたコスト-精度トレードオフを実現する。
  論文  参考訳（メタデータ） (2023-01-04T18:47:32Z)
• Fusing task-oriented and open-domain dialogues in conversational agents [12.338220374261343]
  2つの対話モードは、友好的な人間のアシスタントが簡単に行うように、同じ会話でシームレスに連携することができる。 本稿では,マルチターン対話におけるTODとODDの融合の問題に対処する。 すなわち、対話は2つのモードから切り替わる。
  論文  参考訳（メタデータ） (2021-09-09T09:48:26Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• PRASEMap: A Probabilistic Reasoning and Semantic Embedding based Knowledge Graph Alignment System [22.6762874669173]
  PRASEMapは教師なしのKGアライメントシステムで、確率推論(PR)とセマンティック埋め込み(SE)の両方の手法でマッピングを反復的に計算する。 PRASEMapは、SEモジュールとして様々な埋め込みベースのKGアライメントアプローチをサポートし、簡単なヒューマンコンピュータインタラクションを可能にする。 このデモでは、ユーザフレンドリーなインターフェースを備えたスタンドアロンのWebアプリケーションを通じて、これらの機能を紹介している。
  論文  参考訳（メタデータ） (2021-06-16T14:06:09Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• NUANCED: Natural Utterance Annotation for Nuanced Conversation with Estimated Distributions [36.00476428803116]
  本研究では,ユーザ中心の対話システムの構築を試みる。 まず,ユーザの好みをシステムオントロジー上の推定分布としてモデル化し,ユーザの発話をそのような分布にマッピングする。 我々は、会話レコメンデーションのための現実的な設定に焦点を当てたNUANCEDという新しいデータセットを構築した。
  論文  参考訳（メタデータ） (2020-10-24T03:23:14Z)

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。