論文の概要: PediaMind-R1: A Temperament-Aware Language Model for Personalized Early Childhood Care Reasoning via Cognitive Modeling and Preference Alignment

• arxiv url: http://arxiv.org/abs/2601.08848v1
• Date: Mon, 22 Dec 2025 13:30:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.673923
• Title: PediaMind-R1: A Temperament-Aware Language Model for Personalized Early Childhood Care Reasoning via Cognitive Modeling and Preference Alignment
• Title（参考訳）: PediaMind-R1:認知モデルと嗜好アライメントを用いた個人化幼児期ケア推論のためのテンポラメント対応言語モデル
• Authors: Zihe Zhang, Can Zhang, Yanheng Xu, Xin Hu, Jichao Leng,
• Abstract要約: PediaMind-R1は、知的育児シナリオにおけるアクティブなパーソナライゼーションを実現するために設計されたドメイン特化大型言語モデルである。 トーマス・チェスの枠組みからテンペラメント理論を導入し、幼児と幼児(0-3歳)のためのテンペラメント知識グラフを構築した。
• 参考スコア（独自算出の注目度）: 4.77515468696011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents PediaMind-R1, a domain-specialized large language model designed to achieve active personalization in intelligent parenting scenarios. Unlike conventional systems that provide generic suggestions, PediaMind-R1 draws on insights from developmental psychology. It introduces temperament theory from the Thomas-Chess framework and builds a temperament knowledge graph for infants and toddlers (0-3 years). Our two-stage training pipeline first uses supervised fine-tuning to teach structured chain-of-thought reasoning, and then applies a GRPO-based alignment stage to reinforce logical consistency, domain expertise, and empathetic caregiving strategies. We further design an evaluation framework comprising temperament-sensitive multiple-choice tests and human assessments. The results demonstrate that PediaMind-R1 can accurately interpret early childhood temperament profiles and proactively engage in individualized reasoning. This work highlights the value of integrating vertical-domain modeling with psychological theory. It offers a novel approach to developing user-centered LLMs that advance the practice of active personalization in sensitive caregiving contexts.
• Abstract（参考訳）: 本稿では,知的育児シナリオにおけるアクティブなパーソナライズを実現するために,ドメイン特化大規模言語モデルであるPediaMind-R1を提案する。 一般的な提案を提供する従来のシステムとは異なり、PediaMind-R1は発達心理学から洞察を引き出す。 トーマス・チェスの枠組みからテンペラメント理論を導入し、幼児と幼児(0-3歳)のためのテンペラメント知識グラフを構築した。 私たちの2段階のトレーニングパイプラインはまず、教師付き微調整を使用して、構造化連鎖推論を教え、その後、論理的一貫性、ドメインの専門性、共感的ケア戦略を強化するためにGRPOベースのアライメントステージを適用します。 さらに,感性に敏感な複数選択テストと人的評価を含む評価フレームワークを設計する。 その結果,PediaMind-R1は幼児期の気質プロファイルを正確に解釈し,個別の推論に積極的に関与できることが示唆された。 この研究は、垂直領域モデリングと心理学理論を統合することの価値を強調している。 センシティブ・ケア・コンテキストにおけるアクティブ・パーソナライズ(Active Personalization, アクティブ・パーソナライズ, アクティブ・パーソナライズ, アクティブ・パーソナライズ, アクティブ・パーソナライズ, アクティブ・パーソナライズ, アクティブ・パーソナライズ, アクティブ・パーソナライズ)の実践を推進している。

関連論文リスト

• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• BEAM: Brainwave Empathy Assessment Model for Early Childhood [13.217179313855867]
  4～6歳児の共感度を予測するため,脳波共感評価モデル(BEAM)を提案する。 BEAMは多視点脳波信号を用いて、共感の認知的次元と感情的次元の両方を捉える。 複数のメトリクスで最先端の手法より優れており、客観的共感評価の可能性を示している。
  論文  参考訳（メタデータ） (2025-09-08T12:39:09Z)
• Validating the Effectiveness of a Large Language Model-based Approach for Identifying Children's Development across Various Free Play Settings in Kindergarten [21.44110449320235]
  本研究では,Large Language Models (LLMs) と学習分析を併用して,子どもの遊び体験の自己物語の分析を行う革新的なアプローチを提案する。 幼稚園の29人の子供の2,224の遊び談話を収集し,4つの異なる遊び領域を1学期以上にわたってカバーした。
  論文  参考訳（メタデータ） (2025-05-06T09:40:47Z)
• Detecting Children with Autism Spectrum Disorder based on Script-Centric Behavior Understanding with Emotional Enhancement [9.55864687646197]
  本稿では,ゼロショット自閉症スペクトラム(ASD)検出フレームワークを提案する。 提案したパイプラインは、コンピュータビジョン技術を用いて、音声・視覚データを構造化された行動テキストスクリプトに自動的に変換する。 平均年齢2歳児のASD診断におけるF1スコアは95.24%であり,解釈可能な検出基準が得られた。
  論文  参考訳（メタデータ） (2024-11-14T13:07:19Z)
• Comparing Machines and Children: Using Developmental Psychology Experiments to Assess the Strengths and Weaknesses of LaMDA Responses [0.02999888908665658]
  我々は,Googleの大規模言語モデルであるLaMDAの能力を評価するために,古典的な開発実験を適用した。 社会的理解に関する実験において,LaMDAは子どもと同様の適切な反応を産み出すことがわかった。 一方、初期の対象と行動理解、心の理論、特に因果推論タスクに対するLaMDAの反応は、幼児のそれとは大きく異なる。
  論文  参考訳（メタデータ） (2023-05-18T18:15:43Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)

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。