Fugu-MT 論文翻訳(概要): SYNTHEMPATHY: A Scalable Empathy Corpus Generated Using LLMs Without Any Crowdsourcing

論文の概要: SYNTHEMPATHY: A Scalable Empathy Corpus Generated Using LLMs Without Any Crowdsourcing

arxiv url: http://arxiv.org/abs/2502.17857v1
Date: Tue, 25 Feb 2025 05:07:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-26 18:41:04.738886
Title: SYNTHEMPATHY: A Scalable Empathy Corpus Generated Using LLMs Without Any Crowdsourcing
Title（参考訳）: SyntheMPATHY: クラウドソーシングなしでLLMを使って生成されたスケーラブルな共感コーパス
Authors: Run Chen, Jun Shin, Julia Hirschberg,
Abstract要約: 実生活環境に対する105kの共感応答を含む大規模コーパスを開発するためのデータ生成フレームワークを提案する。 The base Mistral 7B model in our SyntheMPATHY corpus showed a increase of the average empathy score。
参考スコア（独自算出の注目度）: 4.405248499280186
License:
Abstract: Previous research has shown that humans are more receptive towards language models that that exhibit empathetic behavior. While empathy is essential for developing helpful dialogue agents, very few large corpora containing empathetic dialogues are available for fine-tune LLMs. The few existing corpora have largely relied on crowdsourcing to simulate empathetic conversations, a process that is expensive, time-consuming, and not scalable to larger datasets. We propose a data generation framework for developing SYNTHEMPATHY, a large corpus containing 105k empathetic responses to real-life situations compiled through LLM generation. A base Mistral 7B model fine-tuned on our SYNTHEMPATHY corpus exhibits an increase in the average empathy score.
Abstract（参考訳）: 以前の研究では、人間は共感的行動を示す言語モデルに対してより受容的であることが示されている。共感は有用な対話エージェントを開発するのに不可欠であるが、微調整LDMには共感的対話を含む大きなコーパスがほとんどない。既存のコーパスはクラウドソーシングに大きく依存しており、共感的会話をシミュレートしている。 LLM生成によってコンパイルされた実環境に対する105kの共感応答を含む大規模コーパスであるSyntheMPATHYを開発するためのデータ生成フレームワークを提案する。 The base Mistral 7B model in our SyntheMPATHY corpus showed a increase of the average empathy score。

関連論文リスト

Virgo: A Preliminary Exploration on Reproducing o1-like MLLM [89.50691075011429]
スロー思考推論システムは、推論中の思考時間をスケールすることで、広く注目を集めている。マルチモーダル大規模言語モデル(MLLM)への適応にも関心が高まっている。本稿では,少量のテキスト長文思考データを用いて,有能なMLLMを微調整することで,簡単なアプローチを探索する。自然言語で表現されたこれらの長文推論プロセスは,MLLMに効果的に転送できることがわかった。
論文参考訳（メタデータ） (2025-01-03T17:14:16Z)
OmniBench: Towards The Future of Universal Omni-Language Models [63.16606414452612]
OmniBenchは、視覚的、音響的、テキスト的入力を同時に認識し、解釈し、推論するモデルの能力を厳格に評価するために設計された新しいベンチマークである。本研究の主目的は,ほとんどのOLMが3モーダル文脈における指示追従能力と推論能力に限界があることである。このギャップに対処するため、84.5KのトレーニングサンプルであるOmniInstructの命令チューニングデータセットをキュレートし、OLMをマルチモーダルなコンテキストに適応させる。
論文参考訳（メタデータ） (2024-09-23T17:59:05Z)
Real or Robotic? Assessing Whether LLMs Accurately Simulate Qualities of Human Responses in Dialogue [25.89926022671521]
我々はWildChatデータセットから10万対のLLM-LLMと人間-LLM対話の大規模データセットを生成する。シミュレーションと人間のインタラクションの間には比較的低いアライメントが見られ、複数のテキストの性質に沿って体系的な相違が示される。
論文参考訳（メタデータ） (2024-09-12T18:00:18Z)
APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
共感反応生成は、他人の感情を理解するように設計されている。検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
論文参考訳（メタデータ） (2024-07-23T02:23:37Z)
EmPO: Emotion Grounding for Empathetic Response Generation through Preference Optimization [9.934277461349696]
共感反応生成は会話エージェントの望ましい側面である。感情接地に基づく理論駆動の嗜好データセットを構築する新しい手法を提案する。本研究では,LLMを一般性能を維持しつつ,好みの最適化により共感応答生成に適応させることができることを示す。
論文参考訳（メタデータ） (2024-06-27T10:41:22Z)
AI-native Memory: A Pathway from LLMs Towards AGI [25.19572633670963]
大規模言語モデル(LLM)は、人工知能(AGI)の火花で世界を実証した。我々は,メモリ統合によるLLMからAGIへの経路を構想する。中間段階として、メモリは自然言語記述の形式になる可能性が高い。
論文参考訳（メタデータ） (2024-06-26T12:51:37Z)
Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
モデルに依存しない長期対話エージェント(LD-Agent)を導入する。イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
論文参考訳（メタデータ） (2024-06-09T21:58:32Z)
Large Language Models Produce Responses Perceived to be Empathic [40.38391275905264]
LLM(Large Language Models)は、一般的な生活経験を説明する投稿に応答して共感的なメッセージを生成する。いくつかのモデルで書かれた様々な反応を示し、その反応がいかに共感的であるかを評価した。その結果, LLM生成応答は人文応答よりも共感的であった。
論文参考訳（メタデータ） (2024-03-26T23:14:34Z)
Harnessing Large Language Models' Empathetic Response Generation Capabilities for Online Mental Health Counselling Support [1.9336815376402723]
大規模言語モデル(LLM)は、様々な情報検索や推論タスクで顕著なパフォーマンスを示している。本研究は,メンタルヘルスカウンセリング環境下での会話において,共感反応を誘発するLLMの能力について検討した。我々は、ジェネレーティブ・プレトレーニング(GPT)のバージョン3.5とバージョン4、Vicuna FastChat-T5、Pathways Language Model(PaLM)バージョン2、Falcon-7B-Instructの5つのLCMを選択した。
論文参考訳（メタデータ） (2023-10-12T03:33:06Z)
Stabilized In-Context Learning with Pre-trained Language Models for Few Shot Dialogue State Tracking [57.92608483099916]
大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
論文参考訳（メタデータ） (2023-02-12T15:05:10Z)
Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文参考訳（メタデータ） (2021-06-22T14:02:33Z)

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。