論文の概要: LLMberjack: Guided Trimming of Debate Trees for Multi-Party Conversation Creation

• arxiv url: http://arxiv.org/abs/2601.04135v1
• Date: Wed, 07 Jan 2026 17:49:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.709028
• Title: LLMberjack: Guided Trimming of Debate Trees for Multi-Party Conversation Creation
• Title（参考訳）: LLMberjack:多人数会話作成のためのディベートツリーのガイドトリミング
• Authors: Leonardo Bottona, Nicolò Penzo, Bruno Lepri, Marco Guerini, Sara Tonelli,
• Abstract要約: LLMberjackは、多人数会話を作成するためのプラットフォームである。 ディスカッションツリーを視覚化し、一貫性のある線形化対話シーケンスを構築することができる。 オプションで大きな言語モデル(LLM)をサポートして、メッセージや話者の説明の自動編集をサポートする。
• 参考スコア（独自算出の注目度）: 16.278036411553803
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present LLMberjack, a platform for creating multi-party conversations starting from existing debates, originally structured as reply trees. The system offers an interactive interface that visualizes discussion trees and enables users to construct coherent linearized dialogue sequences while preserving participant identity and discourse relations. It integrates optional large language model (LLM) assistance to support automatic editing of the messages and speakers' descriptions. We demonstrate the platform's utility by showing how tree visualization facilitates the creation of coherent, meaningful conversation threads and how LLM support enhances output quality while reducing human effort. The tool is open-source and designed to promote transparent and reproducible workflows to create multi-party conversations, addressing a lack of resources of this type.
• Abstract（参考訳）: LLMberjackは、既存の議論から始まる多人数会話を作成できるプラットフォームであり、もともとは応答木として構成されていた。 本システムは,対話型インタフェースを提供する。議論木を可視化し,参加者のアイデンティティと談話関係を保ちながら,一貫性のある線形化対話シーケンスを構築することができる。 オプションで大きな言語モデル(LLM)をサポートして、メッセージや話者の説明の自動編集をサポートする。 本研究では,木を視覚化することで,協調的かつ有意義な会話スレッドの作成が促進され,LLMが人間の努力を減らしながら出力品質を向上することを示すことで,プラットフォームの有用性を実証する。 このツールはオープンソースで、透過的で再現可能なワークフローを促進して、マルチパーティの会話を作り、この種のリソースの不足に対処するように設計されている。

関連論文リスト

• A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
  PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。 我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
  論文  参考訳（メタデータ） (2025-05-20T09:13:22Z)
• MIRe: Enhancing Multimodal Queries Representation via Fusion-Free Modality Interaction for Multimodal Retrieval [26.585985828583304]
  我々は、アライメント中にテキストの特徴を融合させることなく、モダリティインタラクションを実現する検索フレームワークMIReを紹介する。 提案手法では,テキスト駆動型信号を視覚表現に戻すことなく,テキストクエリを視覚埋め込みに対応させることができる。 実験により,我々の事前学習戦略はマルチモーダルクエリの理解を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-13T04:32:58Z)
• LLMCheckup: Conversational Examination of Large Language Models via Interpretability Tools and Self-Explanations [26.340786701393768]
  対話の形で説明を提供する解釈可能性ツールは,ユーザの理解を高める上で有効であることを示す。 しかしながら、対話ベースの説明のための現在のソリューションは、しばしば外部ツールやモジュールを必要とし、設計されていないタスクに簡単に転送できない。 ユーザがその振る舞いについて,最先端の大規模言語モデル(LLM)とチャットできる,アクセスしやすいツールを提案する。
  論文  参考訳（メタデータ） (2024-01-23T09:11:07Z)
• DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
  マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。 提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。 様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
  論文  参考訳（メタデータ） (2024-01-02T07:40:12Z)
• 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)
• Leveraging Large Language Models in Conversational Recommender Systems [9.751217336860924]
  Conversational Recommender System (CRS)は、リアルタイムのマルチターン対話を通じてシステムと対話できるようにすることにより、ユーザに対して透明性とコントロールを向上する。 大言語モデル(LLM)は、自然に会話し、世界知識と常識推論を言語理解に組み込むという前例のない能力を示した。
  論文  参考訳（メタデータ） (2023-05-13T16:40:07Z)
• Conversational Entity Linking: Problem Definition and Datasets [21.472928615684985]
  対話システムのためのエンティティリンクの研究を行う。 既存の会話データセットから多数の対話を分析し、クラウドソーシングを用いて概念、名前付きエンティティ、個人エンティティへの注釈を付ける。 Conversational Entity LinkingデータセットであるConEL上での従来のELシステムのパフォーマンスを報告し、会話設定によく適合するこれらのメソッドの拡張を提示します。
  論文  参考訳（メタデータ） (2021-05-11T09:44:27Z)
• CR-Walker: Tree-Structured Graph Reasoning and Dialog Acts for Conversational Recommendation [62.13413129518165]
  CR-Walkerは知識グラフ上で木構造推論を行うモデルである。 インフォメーションダイアログが生成され、言語生成をガイドする。 自動的および人的評価は、CR-Walkerがより正確なレコメンデーションに到達できることを示している。
  論文  参考訳（メタデータ） (2020-10-20T14:53:22Z)

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。