論文の概要: ChatWise: AI-Powered Engaging Conversations for Enhancing Senior Cognitive Wellbeing

• arxiv url: http://arxiv.org/abs/2503.05740v1
• Date: Wed, 19 Feb 2025 21:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-16 22:53:28.913738
• Title: ChatWise: AI-Powered Engaging Conversations for Enhancing Senior Cognitive Wellbeing
• Title（参考訳）: ChatWise: 高度な認知的幸福を向上するためのAIによるエンガージング会話
• Authors: Zhengbang Yang, Zhuangdi Zhu,
• Abstract要約: AIベースの手法は対話型サポートの提供において有望であることを示しているが、既存の作業は暗黙の戦略に限られており、高齢者に適したマルチターンサポートが欠如している。 高齢者向けのLLM駆動型チャットボットChatWiseにより,先行技術を改善した。 ChatWiseは、主にショートターン交換で優れている従来のLLMとは対照的に、ロングターン会話で成長する。
• 参考スコア（独自算出の注目度）: 5.900798025576862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cognitive health in older adults presents a growing challenge. While conversational interventions show feasibility in improving cognitive wellness, human caregiver resources remain overburdened. AI-based methods have shown promise in providing conversational support, yet existing work is limited to implicit strategy while lacking multi-turn support tailored to seniors. We improve prior art with an LLM-driven chatbot named ChatWise for older adults. It follows dual-level conversation reasoning at the inference phase to provide engaging companionship. ChatWise thrives in long-turn conversations, in contrast to conventional LLMs that primarily excel in short-turn exchanges. Grounded experiments show that ChatWise significantly enhances simulated users' cognitive and emotional status, including those with Mild Cognitive Impairment.
• Abstract（参考訳）: 高齢者の認知的健康は増加傾向にある。 会話による介入は、認知のウェルネスを改善するための実現可能性を示しているが、人間の介護者資源は行き過ぎである。 AIベースの手法は対話型サポートの提供において有望であることを示しているが、既存の作業は暗黙の戦略に限られる一方で、高齢者向けのマルチターンサポートが欠如している。 高齢者向けのLLM駆動型チャットボットChatWiseで先行技術を改善する。 これは、係わる共役を提供するために、推論フェーズにおける二段階の会話推論に従う。 ChatWiseは、主にショートターン交換で優れている従来のLLMとは対照的に、ロングターン会話で成長する。 グラウンデッド実験により,ChatWiseは軽度認知障害を含む,ユーザの認知的および感情的状態のシミュレートを著しく向上させることが示された。

関連論文リスト

• Learning from Elders: Making an LLM-powered Chatbot for Retirement Communities more Accessible through User-centered Design [2.8968722634502098]
  退職地域に住む高齢者の低技術とeヘルスリテラシーは、デジタルツールとの関わりを妨げている。 住民とのパイロット試験では高い満足感と使いやすさを示したが、さらなる改善のための地域も明らかにした。 次のステップは、音声からテキストまでの機能と、縦断的介入の研究を可能にすることである。
  論文  参考訳（メタデータ） (2025-04-11T21:30:44Z)
• Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor [44.499778745131046]
  まず、チャットボットのトレーニングに感情的選好最適化(EPO)を用いる。 このトレーニングは、モデルが正しい反応と反感情反応の微妙な区別を識別することを可能にする。 次に,MambaCompressorを導入し,会話履歴を効果的に圧縮し,管理する。 複数のデータセットにまたがる包括的実験により、我々のモデルは共感的応答の生成や長い対話の管理において、既存のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-23T13:44:51Z)
• Habit Coach: Customising RAG-based chatbots to support behavior change [0.6184871136700835]
  Habit Coachは、パーソナライズされたインタラクションを通じて、ユーザの習慣の変化をサポートするように設計されている。 本研究では,言語モデルを再学習することなく,行動のパーソナライズを可能にするRAG(Retrieval-Augmented Generation)システムを開発した。 開発プロセスにおける重要な課題は、宣言的知識を効果的な相互作用行動に変換することの難しさだった。
  論文  参考訳（メタデータ） (2024-11-28T15:53:27Z)
• 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)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Coaching Copilot: Blended Form of an LLM-Powered Chatbot and a Human Coach to Effectively Support Self-Reflection for Leadership Growth [40.30407535831779]
  本稿では,近年のLarge Language Models (LLM) を利用したチャットボットが,エグゼクティブコーチングの分野におけるプロフェッショナルコーチと協調する可能性について考察する。 彼らと一緒にデザインワークショップを開催し,10組のコーチ-クライアントペアに関する2週間のユーザスタディを通じて,人間のコーチを補完するチャットボットの統合の実現可能性とニュアンスについて検討した。
  論文  参考訳（メタデータ） (2024-05-24T06:20:56Z)
• Sibyl: Empowering Empathetic Dialogue Generation in Large Language Models via Sensible and Visionary Commonsense Inference [40.96005200292604]
  感性とビジョンコモンセンス知識(Sibyl)という革新的な枠組みを提示する。 それは、より共感的な反応を引き出すことを目的として、すぐに続く対話に集中するように設計されている。 実験結果から,LLMにコモンセンス知識を習得するためのパラダイムを取り入れることで,その応答の質を総合的に向上することが示された。
  論文  参考訳（メタデータ） (2023-11-26T14:35:23Z)
• Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue [73.69510478736483]
  大規模言語モデル(LLM)は、流動的で一貫性があり多様な応答を生成する。 しかし、それらは重要な能力、コミュニケーションスキルを欠いている。 本稿は,内的モノローグによるLLMのコミュニケーション能力向上を目的としている。 実験の結果,提案したCSIM戦略はバックボーンモデルを改善し,ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-11-13T16:19:42Z)
• Leveraging Large Language Models for Automated Dialogue Analysis [12.116834890063146]
  本稿では,現在最先端の大規模言語モデル(LLM)であるChatGPT-3.5を用いて,実際のロボット対話における9つのカテゴリの対話行動検出を行う。 以上の結果から, 特殊モデルもChatGPTもこの課題に満足できない結果が得られず, 人的性能に乏しいことが判明した。
  論文  参考訳（メタデータ） (2023-09-12T18:03:55Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• Facilitating Multi-turn Emotional Support Conversation with Positive Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
  感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。 既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。 マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
  論文  参考訳（メタデータ） (2023-07-16T09:58:44Z)
• Towards Healthy AI: Large Language Models Need Therapists Too [41.86344997530743]
  私たちはHealthy AIを安全で信頼性があり倫理的であると定義しています。 本稿では,これらの有害行動の修正に心理療法を用いるセーフガードGPTフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-02T00:39:12Z)
• TalkTive: A Conversational Agent Using Backchannels to Engage Older Adults in Neurocognitive Disorders Screening [51.97352212369947]
  高齢者とヒトの認知的評価に関する246の会話を分析した。 反応性バックチャネルと活性性バックチャネルのカテゴリーを抽出した。 これは、バックチャネルのタイミングと形式の両方を予測することができるCAであるTalkTiveの開発に使用される。
  論文  参考訳（メタデータ） (2022-02-16T17:55:34Z)
• Retrieval Augmentation Reduces Hallucination in Conversation [49.35235945543833]
  知識に基づく対話のためのループ型ニューラルネットワークアーキテクチャの利用を検討する。 我々は,2つの知識に基づく会話タスクにおいて,最高のモデルが最先端のパフォーマンスを得ることを示す。
  論文  参考訳（メタデータ） (2021-04-15T16:24:43Z)
• Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention [55.77218465471519]
  本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。 我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。 本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
  論文  参考訳（メタデータ） (2021-03-30T15:24:37Z)
• GoChat: Goal-oriented Chatbots with Hierarchical Reinforcement Learning [10.514163160735926]
  GoChatは、オフラインのマルチターン対話データセットからの長期的なリターンを最大化する、エンドツーエンドのトレーニングのためのフレームワークである。 この枠組みは階層的強化学習(HRL)を利用しており、ハイレベルな政策が最終目標に向かって会話を導く。 ファイナンシャルにおけるアンチフルートのための実世界の対話データセットの実験において、我々の手法は、応答生成の品質とゴール達成の成功率の両方において、従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-24T12:14:19Z)
• 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。