論文の概要: Context-Agent: Dynamic Discourse Trees for Non-Linear Dialogue

• arxiv url: http://arxiv.org/abs/2604.05552v1
• Date: Tue, 07 Apr 2026 07:54:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.70432
• Title: Context-Agent: Dynamic Discourse Trees for Non-Linear Dialogue
• Title（参考訳）: 文脈エージェント:非線形対話のための動的談話木
• Authors: Junan Hu, Shudan Guo, Wenqi Liu, Jianhua Yin, Yinwei Wei,
• Abstract要約: マルチターン対話履歴を動的ツリー構造としてモデル化する新しいフレームワークであるContext-Agentを紹介する。 このアプローチは、会話の本質的な非線形性を反映し、異なるトピックに対応する複数の対話ブランチの維持とナビゲートを可能にする。 実験により、Context-Agentはタスク完了率を高め、様々な大規模言語モデルにおけるトークン効率を向上させることが示された。
• 参考スコア（独自算出の注目度）: 19.35173035005251
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models demonstrate outstanding performance in many language tasks but still face fundamental challenges in managing the non-linear flow of human conversation. The prevalent approach of treating dialogue history as a flat, linear sequence is misaligned with the intrinsically hierarchical and branching structure of natural discourse, leading to inefficient context utilization and a loss of coherence during extended interactions involving topic shifts or instruction refinements. To address this limitation, we introduce Context-Agent, a novel framework that models multi-turn dialogue history as a dynamic tree structure. This approach mirrors the inherent non-linearity of conversation, enabling the model to maintain and navigate multiple dialogue branches corresponding to different topics. Furthermore, to facilitate robust evaluation, we introduce the Non-linear Task Multi-turn Dialogue (NTM) benchmark, specifically designed to assess model performance in long-horizon, non-linear scenarios. Our experiments demonstrate that Context-Agent enhances task completion rates and improves token efficiency across various LLMs, underscoring the value of structured context management for complex, dynamic dialogues. The dataset and code is available at GitHub.
• Abstract（参考訳）: 大規模言語モデルは、多くの言語タスクにおいて卓越した性能を示すが、人間の会話の非線形フローを管理するための根本的な課題に直面している。 対話履歴をフラットで線形なシーケンスとして扱う一般的なアプローチは、自然談話の内在的階層的・分岐構造と不一致であり、トピックシフトや命令修正を含む拡張相互作用において、非効率な文脈利用と一貫性の喪失をもたらす。 この制限に対処するために、マルチターン対話履歴を動的ツリー構造としてモデル化する新しいフレームワークであるContext-Agentを紹介する。 このアプローチは、会話の本質的な非線形性を反映し、異なるトピックに対応する複数の対話ブランチの維持とナビゲートを可能にする。 さらに、ロバストな評価を容易にするために、長い水平非線形シナリオにおけるモデル性能を評価するために特別に設計された非線形タスク・マルチターン・ダイアログ(NTM)ベンチマークを導入する。 実験の結果,Context-Agent はタスク完了率を向上し,様々な LLM のトークン効率を向上し,複雑な動的対話のための構造化コンテキスト管理の価値を実証した。 データセットとコードはGitHubで公開されている。

関連論文リスト

• DFlow: Diverse Dialogue Flow Simulation with Large Language Models [16.209331014315463]
  本稿では,合成対話の多様性を高めるための新しいデータシミュレーション手法を提案する。 我々は、15の異なる領域に3,886の対話フローからなるタスク指向対話データセットを生成する。
  論文  参考訳（メタデータ） (2024-10-18T20:35:28Z)
• MP2D: An Automated Topic Shift Dialogue Generation Framework Leveraging Knowledge Graphs [15.876075659237722]
  Multi-Passage to Dialogue (MP2D) は、自然なトピック遷移を伴う質問応答データセットを生成する。 MP2Dは対話内のトピックの流れをマッピングし、人間の会話のダイナミクスを効果的に反映する。 本研究では,トピックシフト対話のための新しいベンチマークTS-WikiDialogを紹介する。
  論文  参考訳（メタデータ） (2024-03-09T06:28:48Z)
• Fine-Grained Analysis of Team Collaborative Dialogue [1.363890704621148]
  Slackチャットを用いたソフトウェア開発領域における説明可能な分析ツールの開発に向けた最初の取り組みについて説明する。 本研究では,対話行動の発生頻度に基づく記述的メトリクスの設計と,長距離コンテキストを組み込むための変換器+CRFアーキテクチャを用いた初期結果を作成する。
  論文  参考訳（メタデータ） (2023-12-09T05:38:32Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Stabilized In-Context Learning with Pre-trained Language Models for Few Shot Dialogue State Tracking [57.92608483099916]
  大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。 対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。 対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
  論文  参考訳（メタデータ） (2023-02-12T15:05:10Z)
• Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
  本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。 バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
  論文  参考訳（メタデータ） (2020-09-17T23:07:03Z)
• Ranking Enhanced Dialogue Generation [77.8321855074999]
  対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。 これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。 本稿では,ランキング拡張対話生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T01:49:56Z)
• Variational Hierarchical Dialog Autoencoder for Dialog State Tracking Data Augmentation [59.174903564894954]
  本研究では,この手法を,ゴール指向対話のための対話状態追跡タスクに拡張する。 目的指向ダイアログの完全な側面をモデル化するための変分階層型ダイアログオートエンコーダ(VHDA)を提案する。 各種ダイアログデータセットを用いた実験により、生成データ拡張による下流ダイアログトラッカーのロバスト性の向上が示された。
  論文  参考訳（メタデータ） (2020-01-23T15:34:56Z)

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。