論文の概要: CAMI: A Counselor Agent Supporting Motivational Interviewing through State Inference and Topic Exploration

• arxiv url: http://arxiv.org/abs/2502.02807v1
• Date: Wed, 05 Feb 2025 01:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-06 14:27:44.878923
• Title: CAMI: A Counselor Agent Supporting Motivational Interviewing through State Inference and Topic Exploration
• Title（参考訳）: CAMI:状態推論とトピック探索によるモチベーションインタビューを支援するカウンセラーエージェント
• Authors: Yizhe Yang, Palakorn Achananuparp, Heyan Huang, Jing Jiang, Kit Phey Leng, Nicholas Gabriel Lim, Cameron Tan Shi Ern, Ee-peng Lim,
• Abstract要約: 本稿では、モチベーション・インタビュー(MI)に基づく新しいカウンセラーエージェントCAMIを紹介する。 我々はCAMIの性能を自動評価と手動評価の両方で評価する。 その結果、CAMIは最先端の手法に勝るだけでなく、より現実的なカウンセラー的な行動を示すことがわかった。
• 参考スコア（独自算出の注目度）: 41.03565985067749
• License:
• Abstract: Conversational counselor agents have become essential tools for addressing the rising demand for scalable and accessible mental health support. This paper introduces CAMI, a novel automated counselor agent grounded in Motivational Interviewing (MI) -- a client-centered counseling approach designed to address ambivalence and facilitate behavior change. CAMI employs a novel STAR framework, consisting of client's state inference, motivation topic exploration, and response generation modules, leveraging large language models (LLMs). These components work together to evoke change talk, aligning with MI principles and improving counseling outcomes for clients from diverse backgrounds. We evaluate CAMI's performance through both automated and manual evaluations, utilizing simulated clients to assess MI skill competency, client's state inference accuracy, topic exploration proficiency, and overall counseling success. Results show that CAMI not only outperforms several state-of-the-art methods but also shows more realistic counselor-like behavior. Additionally, our ablation study underscores the critical roles of state inference and topic exploration in achieving this performance.
• Abstract（参考訳）: 対話カウンセラーエージェントは、スケーラブルでアクセスしやすいメンタルヘルスサポートの需要の高まりに対処するための重要なツールとなっている。 本稿では,クライアント中心のカウンセリング手法であるMI(Motivational Interviewing)を基盤とした,新たなカウンセラーエージェントであるCAMIを紹介する。 CAMIは、クライアントの状態推論、モチベーショントピック探索、応答生成モジュールからなる新しいSTARフレームワークを採用し、大きな言語モデル(LLM)を活用している。 これらのコンポーネントは、変更の議論を引き起こし、MI原則と整合し、さまざまなバックグラウンドからクライアントのカウンセリング結果を改善するために協力します。 我々は、MIスキル能力、クライアントの状態推定精度、トピック探索能力、全体的なカウンセリング成功を評価するためにシミュレーションされたクライアントを用いて、自動評価と手動評価の両方を通してCAMIの性能を評価する。 その結果、CAMIは最先端の手法に勝るだけでなく、より現実的なカウンセラー的な行動を示すことがわかった。 さらに,本稿のアブレーション研究は,この性能を達成する上での,状態推論とトピック探索の重大な役割を浮き彫りにした。

関連論文リスト

• Consistent Client Simulation for Motivational Interviewing-based Counseling [38.27487999477332]
  メンタルヘルスカウンセリングのための一貫したクライアントシミュレーションを支援する新しいフレームワークを提案する。 我々のフレームワークは、シミュレーションされたクライアントの精神状態を追跡し、状態遷移を制御し、クライアントのモチベーション、信念、望ましい変更計画、受容性と整合した各状態行動を生成する。
  論文  参考訳（メタデータ） (2025-02-05T00:58:30Z)
• Interactive Agents: Simulating Counselor-Client Psychological Counseling via Role-Playing LLM-to-LLM Interactions [12.455050661682051]
  本稿では,カウンセラーとクライアントの相互作用をシミュレートするためのロールプレイングを通じて,2つの大きな言語モデル(LLM)を利用するフレームワークを提案する。 我々のフレームワークは2つのLCMで構成され、1つは特定の実生活のユーザープロファイルを備えたクライアントとして機能し、もう1つは経験豊富なカウンセラーとして機能する。
  論文  参考訳（メタデータ） (2024-08-28T13:29:59Z)
• EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations [0.7499722271664147]
  本研究の目的は、セラピストが治療の課題目標(モチベーション・インタビューの古典的なステップ)と社会的目標(信頼関係の構築と共感の表現)をいかにうまく融合させるかを明らかにすることである。 本稿では,シミュレートされたモチベーションインタビュー会話からなるコーパスのマルチモーダルアノテーションを提案する。 我々はこれらのアノテーションを分析し,社会的・共感的行動を強調したモチベーションインタビューを行う仮想エージェントを開発するための機能的振る舞いを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-24T09:32:28Z)
• VCounselor: A Psychological Intervention Chat Agent Based on a Knowledge-Enhanced Large Language Model [1.0055768887247036]
  本研究の目的は,心理介入における大規模言語モデルの有効性と信頼性を向上させることである。 我々は、新しい感情的相互作用構造と知識・エンハンスメント構造を提案することで、この目標を達成した。 その結果, VCounselorの感情的相互作用構造と知識強調構造は, 心理的介入の有効性と信頼性を有意に向上した。
  論文  参考訳（メタデータ） (2024-03-20T12:46:02Z)
• AgentBoard: An Analytical Evaluation Board of Multi-turn LLM Agents [74.16170899755281]
  本稿では,LLMエージェントの分析的評価に適したオープンソース評価フレームワークであるAgentBoardを紹介する。 AgentBoardは、インクリメンタルな進歩と包括的な評価ツールキットをキャプチャする、きめ細かい進捗率のメトリクスを提供する。 これはLLMエージェントの能力と限界に光を当てるだけでなく、その性能の解釈可能性も最前線に広める。
  論文  参考訳（メタデータ） (2024-01-24T01:51:00Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Seeing and hearing what has not been said; A multimodal client behavior classifier in Motivational Interviewing with interpretable fusion [0.8192907805418583]
  モチベーション・インタヴュー(英: Motivational Interviewing、MI)は、協調を重視し、行動の変化を促すセラピーのアプローチである。 MI会話の品質を評価するために、MISCコードを用いてクライアント発話を変更トーク、継続トーク、フォロー/ニュートラルトークのいずれかとして分類することができる。 MI会話における変化話の割合はセラピーの結果と正に相関しており、クライアント発話の正確な分類が不可欠である。
  論文  参考訳（メタデータ） (2023-09-25T16:00:06Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。