論文の概要: Emotionally Intelligent Task-oriented Dialogue Systems: Architecture, Representation, and Optimisation

• arxiv url: http://arxiv.org/abs/2507.01594v1
• Date: Wed, 02 Jul 2025 11:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.160853
• Title: Emotionally Intelligent Task-oriented Dialogue Systems: Architecture, Representation, and Optimisation
• Title（参考訳）: Emotionally Intelligent Task-oriented Dialogue Systems: Architecture, Representation, Optimisation
• Authors: Shutong Feng, Hsien-chin Lin, Nurul Lubis, Carel van Niekerk, Michael Heck, Benjamin Ruppik, Renato Vukovic, Milica Gašić,
• Abstract要約: タスク指向対話(ToD)システムは、自然言語による対話を通じてユーザが特定の目標を達成するのを支援するように設計されている。 ToDシステムのアーキテクチャ、表現、最適化、および感情的考察について検討する。 textbfLLM-based textbfUnified textbfSystem for textbfTask-oriented dialogue with textbfEnd-to-end textbfReinforcement Learning with both short-term (user)を提案する。
• 参考スコア（独自算出の注目度）: 5.568911171405307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task-oriented dialogue (ToD) systems are designed to help users achieve specific goals through natural language interaction. While recent advances in large language models (LLMs) have significantly improved linguistic fluency and contextual understanding, building effective and emotionally intelligent ToD systems remains a complex challenge. Effective ToD systems must optimise for task success, emotional understanding and responsiveness, and precise information conveyance, all within inherently noisy and ambiguous conversational environments. In this work, we investigate architectural, representational, optimisational as well as emotional considerations of ToD systems. We set up systems covering these design considerations with a challenging evaluation environment composed of a natural-language user simulator coupled with an imperfect natural language understanding module. We propose \textbf{LUSTER}, an \textbf{L}LM-based \textbf{U}nified \textbf{S}ystem for \textbf{T}ask-oriented dialogue with \textbf{E}nd-to-end \textbf{R}einforcement learning with both short-term (user sentiment) and long-term (task success) rewards. Our findings demonstrate that combining LLM capability with structured reward modelling leads to more resilient and emotionally responsive ToD systems, offering a practical path forward for next-generation conversational agents.
• Abstract（参考訳）: タスク指向対話(ToD)システムは、自然言語による対話を通じてユーザが特定の目標を達成するのを支援するように設計されている。 大規模言語モデル(LLM)の最近の進歩は言語流布や文脈理解を著しく改善しているが、効果的で感情的に知的なToDシステムの構築は難しい課題である。 効果的なToDシステムは、タスクの成功、感情的な理解と応答性、正確な情報伝達を最適化する必要がある。 本研究では,ToDシステムのアーキテクチャ,表現,最適化,および情緒的考察について検討する。 本研究では, 自然言語理解モジュールと不完全な自然言語理解モジュールを組み合わせた自然言語ユーザシミュレータを用いた, 難易度評価環境を用いて, 設計上の考慮事項をカバーするシステムを構築した。 本稿では,短期的(ユーザ感情)と長期的(タスク成功)の両方の報酬を伴う強化学習を併用した,XMLbf{E}nd-to-end による \textbf{R}LM ベース \textbf{U}nified \textbf{S}ystem を用いた \textbf{T}ask 指向対話のための \textbf{LUSTER} を提案する。 本研究は,LLM機能と構造化報酬モデリングを組み合わせることで,よりレジリエンスで感情応答性の高いToDシステムを実現し,次世代対話エージェントの実践的進路を提供することを示した。

関連論文リスト

• Conversation Routines: A Prompt Engineering Framework for Task-Oriented Dialog Systems [0.21756081703275998]
  本研究では,Large Language Models (LLMs) を用いたタスク指向対話システムの開発のための,構造化されたプロンプトエンジニアリングフレームワークである Conversation Routines (CR) を紹介する。 提案したCRフレームワークは,自然言語仕様による会話エージェントシステム(CAS)の開発を可能にする。 このフレームワークの有効性を,Train Booking SystemとInteractive Ticket Copilotという2つの概念実証実装を通じて実証する。
  論文  参考訳（メタデータ） (2025-01-20T17:19:02Z)
• InstructTODS: Large Language Models for End-to-End Task-Oriented Dialogue Systems [60.53276524369498]
  大規模言語モデル(LLM)は自然言語処理(NLP)における多様なタスクに使用されている。 InstructTODSは、ゼロショットのタスク指向対話システムのための新しいフレームワークである。 InstructTODSは、ユーザの意図を動的クエリにシームレスに翻訳するプロキシの信念状態を生成する。
  論文  参考訳（メタデータ） (2023-10-13T06:36:26Z)
• Self-Explanation Prompting Improves Dialogue Understanding in Large Language Models [52.24756457516834]
  大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。 このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。 6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-09-22T15:41:34Z)
• Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
  我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。 中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。 実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:27:43Z)
• UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
  上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。 我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。 我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
  論文  参考訳（メタデータ） (2021-10-15T11:56:47Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)

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。