論文の概要: Persuasion Should be Double-Blind: A Multi-Domain Dialogue Dataset With Faithfulness Based on Causal Theory of Mind
- arxiv url: http://arxiv.org/abs/2502.21297v1
- Date: Fri, 28 Feb 2025 18:28:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-03 13:42:24.017486
- Title: Persuasion Should be Double-Blind: A Multi-Domain Dialogue Dataset With Faithfulness Based on Causal Theory of Mind
- Title（参考訳）: 心の因果理論に基づく多面的対話データセット
- Authors: Dingyi Zhang, Deyu Zhou,
- Abstract要約: 最近の説得的対話データセットは、実世界の対人インタラクションと一致しないことが多い。
ToMMAは、心の因果理論によって導かれる対話生成のための新しいマルチエージェントフレームワークである。
マルチドメイン・マルチターン・パーサッシブ・ダイアログ・データセットであるCTOMPersuを提案する。
- 参考スコア（独自算出の注目度）: 21.022976907694265
- License:
- Abstract: Persuasive dialogue plays a pivotal role in human communication, influencing various domains. Recent persuasive dialogue datasets often fail to align with real-world interpersonal interactions, leading to unfaithful representations. For instance, unrealistic scenarios may arise, such as when the persuadee explicitly instructs the persuader on which persuasion strategies to employ, with each of the persuadee's questions corresponding to a specific strategy for the persuader to follow. This issue can be attributed to a violation of the "Double Blind" condition, where critical information is fully shared between participants. In actual human interactions, however, key information such as the mental state of the persuadee and the persuasion strategies of the persuader is not directly accessible. The persuader must infer the persuadee's mental state using Theory of Mind capabilities and construct arguments that align with the persuadee's motivations. To address this gap, we introduce ToMMA, a novel multi-agent framework for dialogue generation that is guided by causal Theory of Mind. This framework ensures that information remains undisclosed between agents, preserving "double-blind" conditions, while causal ToM directs the persuader's reasoning, enhancing alignment with human-like persuasion dynamics. Consequently, we present CToMPersu, a multi-domain, multi-turn persuasive dialogue dataset that tackles both double-blind and logical coherence issues, demonstrating superior performance across multiple metrics and achieving better alignment with real human dialogues. Our dataset and prompts are available at https://github.com/DingyiZhang/ToMMA-CToMPersu .
- Abstract（参考訳）: 説得的対話は、様々な領域に影響を与える人間のコミュニケーションにおいて重要な役割を果たす。
近年の説得的対話データセットは実世界の対人関係と一致しないことが多く、不誠実な表現に繋がる。
例えば、説得者がどの説得戦略を採用するかを明確に指示した場合や、説得者が従うべき特定の戦略に対応するそれぞれの質問など、非現実的なシナリオが生じることがある。
この問題は、参加者間で重要な情報が完全に共有される「二重盲検」条件に違反しているためである。
しかし、実際の人間との相互作用においては、説得者の精神的状態や説得者の説得戦略といった重要な情報は直接アクセスできない。
説得者は、心の理論を用いて説得者の精神状態を推測し、説得者のモチベーションに沿った議論を構築する必要がある。
このギャップに対処するために、私たちは、心の因果理論によって導かれる対話生成のための新しいマルチエージェントフレームワークToMMAを紹介します。
この枠組みは、情報がエージェント間で開示されることを保証し、「二重盲検」状態を保存する一方、因果的ToMは説得者の推論を指示し、人間のような説得力学との整合性を高める。
その結果,マルチドメイン・マルチターン・パーサッシブ・ダイアログ・データセットであるCTOMPersuが,二重盲検と論理的コヒーレンス問題の両方に対処し,複数のメトリクスに対して優れた性能を示し,実際の対話との整合性が向上した。
データセットとプロンプトはhttps://github.com/DingyiZhang/ToMMA-CToMPersuで公開しています。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - The Persuasive Power of Large Language Models [0.0]
気候変動をテーマとした総合的な説得対話シナリオを設計する。
支配者」エージェントは「懐疑的」エージェントに対して説得力のある議論を生成し、その後、議論が内部の意見状態を変えたかどうかを評価する。
我々は,機械による議論の説得力を評価するために,人間の裁判官に依頼する。
以上の結果から,オンラインソーシャルメディアにおける意見形成過程において,人工エージェントが重要な役割を果たす可能性が示唆された。
論文 参考訳（メタデータ） (2023-12-24T16:21:11Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - Opening up Minds with Argumentative Dialogues [14.903849413791443]
議論的な対話は、他人の心を開いて、不慣れな見解や自分の信念に反する見解をより理解するのを助けることを目的としています。
我々は、ベガニズム、ブレグジット、COVID-19ワクチン接種という3つの議論の的となっているトピックに関する183の議論的な対話のデータセットを提示する。
心理学文献からのアンケートを用いて,対話前後のオープンマインドネスを測定した。
論文 参考訳（メタデータ） (2023-01-16T12:47:16Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - A Storytelling Robot managing Persuasive and Ethical Stances via ACT-R:
an Exploratory Study [0.6882042556551609]
本稿では,ACT-R認知アーキテクチャによって制御されるストーリーテリングロボットについて述べる。
本報告では,63名の被験者を対象に,システムの探索的評価を行った。
論文 参考訳（メタデータ） (2021-07-27T14:27:58Z) - Strategic Argumentation Dialogues for Persuasion: Framework and
Experiments Based on Modelling the Beliefs and Concerns of the Persuadee [6.091096843566857]
特定の対話において議論が良いかどうかを決定するための2つの重要な次元は、意図する観衆が議論と反論を信じる程度であり、議論が意図する観衆の関心に与える影響である。
本稿では,これらのモデルを用いて,説得的対話における移動の選択を最適化する枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-28T08:49:24Z) - Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。
実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文 参考訳（メタデータ） (2020-05-27T02:05:33Z) - 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) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。
議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
論文 参考訳（メタデータ） (2020-02-10T04:27:48Z)
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。