論文の概要: Emotional Supporters often Use Multiple Strategies in a Single Turn

• arxiv url: http://arxiv.org/abs/2505.15316v1
• Date: Wed, 21 May 2025 09:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.426851
• Title: Emotional Supporters often Use Multiple Strategies in a Single Turn
• Title（参考訳）: 感情支援者は一つのターンで複数の戦略を使うことが多い
• Authors: Xin Bai, Guanyi Chen, Tingting He, Chenlian Zhou, Yu Liu,
• Abstract要約: 感情支援会話タスクの既存の定義は、サポート的応答の構造を単純化する。 感情的な支持者は、1ターン以内に複数の戦略を連続的に採用することが多い。 戦略発話対の完全列を生成することを必要とする改訂形式を提案する。
• 参考スコア（独自算出の注目度）: 8.85819119076884
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emotional Support Conversations (ESC) are crucial for providing empathy, validation, and actionable guidance to individuals in distress. However, existing definitions of the ESC task oversimplify the structure of supportive responses, typically modelling them as single strategy-utterance pairs. Through a detailed corpus analysis of the ESConv dataset, we identify a common yet previously overlooked phenomenon: emotional supporters often employ multiple strategies consecutively within a single turn. We formally redefine the ESC task to account for this, proposing a revised formulation that requires generating the full sequence of strategy-utterance pairs given a dialogue history. To facilitate this refined task, we introduce several modelling approaches, including supervised deep learning models and large language models. Our experiments show that, under this redefined task, state-of-the-art LLMs outperform both supervised models and human supporters. Notably, contrary to some earlier findings, we observe that LLMs frequently ask questions and provide suggestions, demonstrating more holistic support capabilities.
• Abstract（参考訳）: Emotional Support Conversations (ESC) は、悲しみの中で個人に対して共感、検証、行動可能なガイダンスを提供するために重要である。 しかしながら、ESCタスクの既存の定義は、サポート的応答の構造を単純化し、通常、それらを単一の戦略と発話のペアとしてモデル化する。 ESConvデータセットの詳細なコーパス分析を通じて、これまで見過ごされていた一般的な現象を特定します。 我々はESCタスクを正式に再定義し、対話履歴を与えられた戦略発話ペアの完全なシーケンスを生成する必要のある、改訂された定式化を提案する。 この改良作業を容易にするために,教師付きディープラーニングモデルや大規模言語モデルなど,いくつかのモデリング手法を導入する。 我々の実験は、この再定義されたタスクの下で、最先端のLLMは、教師付きモデルと人間のサポーターの両方を上回っていることを示している。 特に, 先行研究とは対照的に, LLMは質問や提案を頻繁に行い, より包括的支援能力を示す。

関連論文リスト

• FiSMiness: A Finite State Machine Based Paradigm for Emotional Support Conversations [11.718316719735832]
  感情支援会話(ESC)は、効果的な会話を通じて個人の感情的苦痛を軽減することを目的としている。 我々は、FSM(Finite State Machine)を大規模言語モデルに活用し、FiSMinessと呼ばれるフレームワークを提案する。 我々のフレームワークは、単一のLCMがESC中のプランニングをブートストラップし、探索者の感情、支援戦略、そして各会話のターンに対する最終応答を自己推論することを可能にする。
  論文  参考訳（メタデータ） (2025-04-16T07:52:06Z)
• SweetieChat: A Strategy-Enhanced Role-playing Framework for Diverse Scenarios Handling Emotional Support Agent [27.301608019492043]
  大規模言語モデル(LLM)は、相互作用中に共感的サポートを提供する有望な可能性を実証している。 本稿では,現実的な感情支援会話をシミュレートする,革新的な戦略強化型ロールプレイングフレームワークを提案する。 本フレームワークでは,3.7K+のマルチターン対話と62.8K+の発話からなるtextbfServeForEmoデータセットを開発した。
  論文  参考訳（メタデータ） (2024-12-11T13:56:04Z)
• PALM: Predicting Actions through Language Models [74.10147822693791]
  本稿では,長期的行動予測の課題に取り組むアプローチであるPALMを紹介する。 本手法は,従来の行動系列を追跡する行動認識モデルと,関連する環境の詳細を記述するための視覚言語モデルを含む。 実験の結果,PALMは長期的な行動予測作業において最先端の手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2023-11-29T02:17:27Z)
• Re-Reading Improves Reasoning in Large Language Models [87.46256176508376]
  既成のLarge Language Models (LLM) の推論能力を高めるため, 単純で汎用的で効果的なプロンプト手法であるRe2を導入する。 CoT (Chain-of-Thought) など、ほとんどの思考を刺激する手法とは異なり、Re2 は質問を2回処理することで入力に焦点を移し、理解プロセスを強化する。 提案手法の有効性と汎用性を検証するため,14のデータセットにまたがる広範囲な推論ベンチマークでRe2を評価した。
  論文  参考訳（メタデータ） (2023-09-12T14:36:23Z)
• 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)
• Automatically Correcting Large Language Models: Surveying the landscape of diverse self-correction strategies [104.32199881187607]
  大規模言語モデル(LLM)は、幅広いNLPタスクで顕著な性能を示した。 これらの欠陥を正すための有望なアプローチは自己補正であり、LLM自体が自身の出力で問題を修正するために誘導される。 本稿では,この新技術について概観する。
  論文  参考訳（メタデータ） (2023-08-06T18:38:52Z)
• Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning [81.79431311952656]
  感情支援のための新しいシステムMultiESCを提案する。 戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。 ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
  論文  参考訳（メタデータ） (2022-10-09T12:23:47Z)

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。