論文の概要: Modeling Multi-Party Interaction in Couples Therapy: A Multi-Agent Simulation Approach

• arxiv url: http://arxiv.org/abs/2601.10970v1
• Date: Fri, 16 Jan 2026 03:28:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.348056
• Title: Modeling Multi-Party Interaction in Couples Therapy: A Multi-Agent Simulation Approach
• Title（参考訳）: カップル療法における多人数インタラクションのモデル化:マルチエージェントシミュレーションアプローチ
• Authors: Canwen Wang, Angela Chen, Catherine Bao, Siwei Jin, Yee Kit Chan, Jessica R Mindel, Sijia Xie, Holly Swartz, Tongshuang Wu, Robert E Kraut, Haiyi Zhu,
• Abstract要約: カップル療法における多人数インタラクションをモデル化するマルチモーダル・マルチエージェントシミュレーションシステムを提案する。 本システムは, 研修医にとって, 重要な需要と引き起こされたコミュニケーションサイクルに対処する貴重な実践経験を得るための, ローテイクな環境を構築する。
• 参考スコア（独自算出の注目度）: 24.996039704383705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Couples therapy, or relationship counseling, helps partners resolve conflicts, improve satisfaction, and foster psychological growth. Traditional approaches to training couples therapists, such as textbooks and roleplay, often fail to capture the complexity and emotional nuance of real couple dynamics. We present a novel multimodal, multi-agent simulation system that models multi-party interactions in couples therapy. Informed by our systematic research, this system creates a low-stakes environment for trainee therapists to gain valuable practical experience dealing with the critical demand-withdraw communication cycle across six couple-interaction stages. In an evaluation study involving 21 US-based licensed therapists, participants blind to conditions identified the engineered agent behaviors (i.e., the stages and the demand-withdraw cycle) and rated overall realism and agent responses higher for the experimental system than the baseline. As the first known multi-agent framework for training couples therapists, our work builds the foundation for future research that fuses HCI technologies with couples therapy.
• Abstract（参考訳）: カップルセラピーまたは関係カウンセリングは、パートナーが紛争を解決し、満足度を高め、心理的成長を促進するのに役立つ。 教科書やロールプレイのような伝統的にカップルセラピストを訓練するアプローチは、実際のカップルダイナミクスの複雑さと感情的なニュアンスを捉えるのに失敗することが多い。 カップル療法における多人数インタラクションをモデル化するマルチモーダル・マルチエージェントシミュレーションシステムを提案する。 体系的な研究によって,本システムは,6つの対作用段階にわたるクリティカル・デマンド・アンド・ドリュー・コミュニケーション・サイクルに対処する貴重な実践経験を得るための,低吸入環境を創出する。 21名の米国ベースのセラピストを対象とする評価研究において、被験者は、工学的エージェントの動作(すなわち、段階と需要非要求サイクル)を識別し、実験システムにおいて、ベースラインよりも総合的リアリズムとエージェント応答を高く評価した。 カップルセラピストを訓練するための最初のマルチエージェントフレームワークとして、私たちの研究は、カップルセラピストとHCI技術を融合させる将来の研究の基盤を構築しました。

関連論文リスト

• Reframe Your Life Story: Interactive Narrative Therapist and Innovative Moment Assessment with Large Language Models [72.36715571932696]
  物語療法は、個人が問題のある人生の物語を代替品の力に変えるのに役立つ。 現在のアプローチでは、特殊精神療法ではリアリズムが欠如しており、時間とともに治療の進行を捉えることができない。 Int(Interactive Narrative Therapist)は、治療段階を計画し、反射レベルを誘導し、文脈的に適切な専門家のような反応を生成することによって、専門家の物語セラピストをシミュレートする。
  論文  参考訳（メタデータ） (2025-07-27T11:52:09Z)
• DoctorAgent-RL: A Multi-Agent Collaborative Reinforcement Learning System for Multi-Turn Clinical Dialogue [18.814676128928234]
  大規模言語モデル (LLMs) は, バイオメディカルな質問応答の分野で優れた能力を発揮してきたが, 実際の臨床研究への応用はいまだに課題に直面している。 我々は,医療相談を不確実性下での動的意思決定プロセスとしてモデル化する,強化学習(RL)に基づくマルチエージェント協調フレームワークであるOursを提案する。 本手法は,医療資源の配分を最適化し,労働力不足を緩和する戦略の草分けとして,時間的プレッシャーによる誤診リスクの低減,複雑な症例に対する臨床医の解放,医療資源配分の最適化,労働力不足の緩和など,極めて実践的な価値を示す。
  論文  参考訳（メタデータ） (2025-05-26T07:48:14Z)
• Interactive Agents: Simulating Counselor-Client Psychological Counseling via Role-Playing LLM-to-LLM Interactions [12.455050661682051]
  本稿では,カウンセラーとクライアントの相互作用をシミュレートするためのロールプレイングを通じて,2つの大きな言語モデル(LLM)を利用するフレームワークを提案する。 我々のフレームワークは2つのLCMで構成され、1つは特定の実生活のユーザープロファイルを備えたクライアントとして機能し、もう1つは経験豊富なカウンセラーとして機能する。
  論文  参考訳（メタデータ） (2024-08-28T13:29:59Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
  本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。 このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
  論文  参考訳（メタデータ） (2024-03-20T17:47:49Z)

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。