論文の概要: Speaking at the Right Level: Literacy-Controlled Counterspeech Generation with RAG-RL

• arxiv url: http://arxiv.org/abs/2509.01058v2
• Date: Wed, 10 Sep 2025 16:52:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 13:12:05.565843
• Title: Speaking at the Right Level: Literacy-Controlled Counterspeech Generation with RAG-RL
• Title（参考訳）: RAG-RLを用いたリテラシー制御音声生成
• Authors: Xiaoying Song, Anirban Saha Anik, Dibakar Barua, Pengcheng Luo, Junhua Ding, Lingzi Hong,
• Abstract要約: 保健情報の拡散は公衆衛生にとって重大な脅威となる。 そこで我々は,異なる健康リテラシーレベルに適合したコーディネート音声を生成するための制御リテラシーフレームワークを提案する。 主観的ユーザ嗜好と客観的可読性に基づく報奨を取り入れた報奨関数を設計し、対象の健康リテラシーレベルに対する対抗音声を最適化する。
• 参考スコア（独自算出の注目度）: 3.8227085010838344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Health misinformation spreading online poses a significant threat to public health. Researchers have explored methods for automatically generating counterspeech to health misinformation as a mitigation strategy. Existing approaches often produce uniform responses, ignoring that the health literacy level of the audience could affect the accessibility and effectiveness of counterspeech. We propose a Controlled-Literacy framework using retrieval-augmented generation (RAG) with reinforcement learning (RL) to generate tailored counterspeech adapted to different health literacy levels. In particular, we retrieve knowledge aligned with specific health literacy levels, enabling accessible and factual information to support generation. We design a reward function incorporating subjective user preferences and objective readability-based rewards to optimize counterspeech to the target health literacy level. Experiment results show that Controlled-Literacy outperforms baselines by generating more accessible and user-preferred counterspeech. This research contributes to more equitable and impactful public health communication by improving the accessibility and comprehension of counterspeech to health misinformation
• Abstract（参考訳）: 保健情報の拡散は公衆衛生にとって重大な脅威となる。 研究者は、緩和戦略として、音声から健康への誤報を自動生成する方法を研究してきた。 既存のアプローチは、聴衆の健康リテラシーレベルが、カウンター音声のアクセシビリティと有効性に影響を与えることを無視して、一様に反応することが多い。 本稿では,RLを用いた検索強化世代(RAG)を用いた制御リテラシーフレームワークを提案する。 特に、特定の健康リテラシーレベルに沿った知識を検索し、アクセシビリティおよび事実情報を生成を支援する。 主観的ユーザ嗜好と客観的可読性に基づく報奨を取り入れた報奨関数を設計し、対象の健康リテラシーレベルに対する対抗音声を最適化する。 実験結果から,制御リテラシーは,よりアクセシブルでユーザ優先の対音声を生成することにより,ベースラインよりも優れることがわかった。 本研究は, 健康情報への対抗音声のアクセシビリティと理解を向上させることにより, より公平で影響力のある公衆衛生コミュニケーションに寄与する。

関連論文リスト

• Multi-Agent Retrieval-Augmented Framework for Evidence-Based Counterspeech Against Health Misinformation [8.23209620713472]
  健康情報に対する反響を生成するための多エージェント検索フレームワークを提案する。 提案手法は静的および動的エビデンスを統合し,生成した反音声が関連性,良好,最新であることを保証する。
  論文  参考訳（メタデータ） (2025-07-09T22:10:06Z)
• HealthGPT: A Medical Large Vision-Language Model for Unifying Comprehension and Generation via Heterogeneous Knowledge Adaptation [68.4316501012718]
  HealthGPTは医療用大規模視線モデル(Med-LVLM)である 医療的な視覚的理解と生成能力を統合された自己回帰パラダイムに統合する。
  論文  参考訳（メタデータ） (2025-02-14T00:42:36Z)
• Guiding IoT-Based Healthcare Alert Systems with Large Language Models [22.54714587190204]
  医療アラートシステム(HAS)は、人工知能(AI)、IoT(Internet of Things)技術の進歩、健康意識の向上など、急速に進化している。 パーソナライズされたヘルスアラートの正確さと、リソースに制約されたHAS環境における厳格なプライバシー保護のバランス。 本稿では,Large Language Models (LLM) をHASに組み込んだ一様フレームワーク LLM-HAS を導入し,その精度を大幅に向上させ,ユーザのプライバシーを確保し,パーソナライズされたヘルスサービスを強化する。
  論文  参考訳（メタデータ） (2024-08-23T13:55:36Z)
• Retrieval Augmented Thought Process for Private Data Handling in Healthcare [53.89406286212502]
  Retrieval-Augmented Thought Process (RATP)を紹介する。 RATPは大規模言語モデル(LLM)の思考生成を定式化する 電子カルテのプライベートデータセットにおいて、RATPは、質問応答タスクのコンテキスト内検索強化生成と比較して35%の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-12T17:17:50Z)
• Understanding Counterspeech for Online Harm Mitigation [12.104301755723542]
  Counterspeechは、憎悪の犯人に挑戦し、虐待の標的への支援を示すことによって、憎悪の言葉に対する直接の反論を提供する。 コンテンツモデレーションやデプラットフォームといった、より論争的な手段に代わる、有望な代替手段を提供する。 本稿では,社会科学における反音声研究を体系的にレビューし,自動対音声生成における方法論と知見をコンピュータ科学の取り組みと比較する。
  論文  参考訳（メタデータ） (2023-07-01T20:54:01Z)
• On Curating Responsible and Representative Healthcare Video Recommendations for Patient Education and Health Literacy: An Augmented Intelligence Approach [5.545277272908999]
  アメリカの成人の3人に1人がインターネットを使って健康上の懸念を診断し、学んでいる。 健康リテラシーの分割はアルゴリズムの推薦によって悪化する可能性がある。
  論文  参考訳（メタデータ） (2022-07-13T01:54:59Z)
• Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recognition? [86.53044183309824]
  話者関連課題における自己教師型学習の成功につながる要因について検討する。 Voxceleb-1データセットにおける実験結果から,SVタスクに対するSSLの利点は,マスクによる予測損失,データスケール,モデルサイズの組み合わせによるものであることが示唆された。
  論文  参考訳（メタデータ） (2022-04-27T08:35:57Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。