論文の概要: AgentCTG: Harnessing Multi-Agent Collaboration for Fine-Grained Precise Control in Text Generation

• arxiv url: http://arxiv.org/abs/2509.13677v1
• Date: Wed, 17 Sep 2025 04:07:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.709984
• Title: AgentCTG: Harnessing Multi-Agent Collaboration for Fine-Grained Precise Control in Text Generation
• Title（参考訳）: AgentCTG:テキスト生成における微細粒度精密制御のためのマルチエージェント協調のハーネス化
• Authors: Xinxu Zhou, Jiaqi Bai, Zhenqi Sun, Fanxiang Zeng, Yue Liu,
• Abstract要約: 制御されたテキスト生成(CTG)は、特に生成に対するきめ細かい条件制御を達成する上で、多くの課題に直面し続けている。 本稿では,テキスト生成の高精度かつ複雑な制御を目的とした,新規でスケーラブルなフレームワークであるAgentCTGを紹介する。 AgentCTGは、複数の公開データセットで最先端の結果を達成する。
• 参考スコア（独自算出の注目度）: 10.208001921870709
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although significant progress has been made in many tasks within the field of Natural Language Processing (NLP), Controlled Text Generation (CTG) continues to face numerous challenges, particularly in achieving fine-grained conditional control over generation. Additionally, in real scenario and online applications, cost considerations, scalability, domain knowledge learning and more precise control are required, presenting more challenge for CTG. This paper introduces a novel and scalable framework, AgentCTG, which aims to enhance precise and complex control over the text generation by simulating the control and regulation mechanisms in multi-agent workflows. We explore various collaboration methods among different agents and introduce an auto-prompt module to further enhance the generation effectiveness. AgentCTG achieves state-of-the-art results on multiple public datasets. To validate its effectiveness in practical applications, we propose a new challenging Character-Driven Rewriting task, which aims to convert the original text into new text that conform to specific character profiles and simultaneously preserve the domain knowledge. When applied to online navigation with role-playing, our approach significantly enhances the driving experience through improved content delivery. By optimizing the generation of contextually relevant text, we enable a more immersive interaction within online communities, fostering greater personalization and user engagement.
• Abstract（参考訳）: 自然言語処理(NLP)分野における多くのタスクにおいて大きな進歩を遂げているが、制御されたテキスト生成(CTG)は、特に生成に対するきめ細かい条件制御の達成において、多くの課題に直面し続けている。 さらに、実際のシナリオやオンラインアプリケーションでは、コストの考慮、スケーラビリティ、ドメイン知識の学習、より正確な制御が必要であり、CTGをより困難にしています。 本稿では,マルチエージェントワークフローにおける制御機構と制御機構をシミュレートすることにより,テキスト生成の精密かつ複雑な制御を促進することを目的とした,新規でスケーラブルなフレームワークであるAgentCTGを紹介する。 各種エージェント間の協調手法を探索し、生成効率をより高めるためにオートプロンプトモジュールを導入する。 AgentCTGは、複数の公開データセットで最先端の結果を達成する。 そこで,本論文では,文字プロファイルに適合した文字を新しいテキストに変換し,ドメイン知識を同時に保持することを目的とした,文字駆動書き換えタスクを提案する。 ロールプレイングによるオンラインナビゲーションに適用すると,コンテンツ配信の改善によって運転体験が大幅に向上する。 文脈に関連のあるテキストの生成を最適化することにより、オンラインコミュニティ内でより没入的なインタラクションを可能にし、パーソナライズとユーザエンゲージメントを向上する。

関連論文リスト

• ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
  大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。 既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。 本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
  論文  参考訳（メタデータ） (2025-08-18T07:38:23Z)
• BRIDGE: Bootstrapping Text to Control Time-Series Generation via Multi-Agent Iterative Optimization and Diffusion Modeling [51.830134409330704]
  時系列生成(TSG、Time-Series Generation)は、シミュレーション、データ拡張、および反事実分析に広く応用された、顕著な研究分野である。 我々は、テキストが意味的な洞察、ドメイン情報、インスタンス固有の時間パターンを提供し、TSGをガイドし改善することができると論じている。 BRIDGEはテキスト制御型TSGフレームワークで,テキスト記述とセマンティックプロトタイプを統合し,ドメインレベルのガイダンスをサポートする。
  論文  参考訳（メタデータ） (2025-03-04T09:40:00Z)
• Controllable Text Generation for Large Language Models: A Survey [27.110528099257156]
  本稿では,大規模言語モデルにおける制御可能なテキスト生成の最近の進歩を体系的にレビューする。 我々はCTGタスクをコンテンツ制御と制御の2つの主要なタイプに分類する。 現在の研究における重要な課題には、流用率の低減や実用性といった課題に対処する。
  論文  参考訳（メタデータ） (2024-08-22T17:59:04Z)
• Successor Features for Efficient Multisubject Controlled Text Generation [48.37713738712319]
  本稿では,後継機能 (SF) と言語モデル修正の2つの基本概念を基礎とするSF-GENを紹介する。 SF-GENはこの2つをシームレスに統合し、LCMのパラメータを変更することなくテキスト生成の動的ステアリングを可能にする。 我々の知る限り、本研究はテキスト生成における後継機能の最初の応用である。
  論文  参考訳（メタデータ） (2023-11-03T00:17:08Z)
• Controllable Text Generation with Residual Memory Transformer [4.9329649616940205]
  任意の時間ステップでCLMを生成するための,非侵襲的で軽量な制御プラグインを提案する。 提案されているプラグイン、すなわちResidual Memory Transformer (RMT)は、任意の種類の制御条件を受け入れることができるエンコーダとデコーダのセットアップを備えている。 各種制御タスクにおいて, 自動評価と人的評価の両面で, 広範囲な実験が実施されている。
  論文  参考訳（メタデータ） (2023-09-28T08:13:33Z)
• Deliberate then Generate: Enhanced Prompting Framework for Text Generation [70.10319005141888]
  Deliberate then Generate (DTG) プロンプトフレームワークはエラー検出命令とエラーを含む可能性のある候補で構成されている。 我々は、要約、翻訳、対話など、7つのテキスト生成タスクにまたがる20以上のデータセットに関する広範な実験を行う。 本稿では,DTGが既存のプロンプト手法を一貫して上回り,複数のテキスト生成タスクにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-05-31T13:23:04Z)
• Composable Text Controls in Latent Space with ODEs [97.12426987887021]
  本稿では,コンパクトテキスト空間における構成可能なテキスト操作のための,新しい効率的なアプローチを提案する。 事前学習したLMを効率よく適応することで、サンプルベクトルを所望のテキストシーケンスにデコードする。 実験により、我々のアプローチ内でこれらの演算子を構成すると、高品質なテキストの生成や編集が可能であることが示された。
  論文  参考訳（メタデータ） (2022-08-01T06:51:45Z)
• Text Data Augmentation: Towards better detection of spear-phishing emails [1.6556358263455926]
  社内の英語テキストを増強するためのコーパスとタスク拡張フレームワークを提案する。 提案手法は,BERT言語モデル,多段階のバックトランスレーション,アグノシクスなど,様々な手法を組み合わせる。 本研究では,公開モデルとコーパスを用いて,テキスト分類タスクの性能向上を図っている。
  論文  参考訳（メタデータ） (2020-07-04T07:45:04Z)

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。