論文の概要: DiscoTrace: Representing and Comparing Answering Strategies of Humans and LLMs in Information-Seeking Question Answering

• arxiv url: http://arxiv.org/abs/2604.15140v1
• Date: Thu, 16 Apr 2026 15:17:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.978773
• Title: DiscoTrace: Representing and Comparing Answering Strategies of Humans and LLMs in Information-Seeking Question Answering
• Title（参考訳）: DiscoTrace:情報探索質問応答における人間とLLMの回答戦略の表現と比較
• Authors: Neha Srikanth, Jordan Boyd-Graber, Rachel Rudinger,
• Abstract要約: 本稿では,情報探索質問に対する回答において,回答者が使用する修辞的戦略を識別する手法であるDiscoTraceを紹介する。 9つの異なる人間のコミュニティからの回答にDiscoTraceを適用すると、コミュニティは回答構築に様々な好みを持っていることが分かる。
• 参考スコア（独自算出の注目度）: 28.365849533156023
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce DiscoTrace, a method to identify the rhetorical strategies that answerers use when responding to information-seeking questions. DiscoTrace represents answers as a sequence of question-related discourse acts paired with interpretations of the original question, annotated on top of rhetorical structure theory parses. Applying DiscoTrace to answers from nine different human communities reveals that communities have diverse preferences for answer construction. In contrast, LLMs do not exhibit rhetorical diversity in their answers, even when prompted to mimic specific human community answering guidelines. LLMs also systematically opt for breadth, addressing interpretations of questions that human answerers choose not to address. Our findings can guide the development of pragmatic LLM answerers that consider a range of strategies informed by context in QA.
• Abstract（参考訳）: 本稿では,情報探索質問に対する回答において,回答者が使用する修辞的戦略を識別する手法であるDiscoTraceを紹介する。 DiscoTrace は疑問に関連した言論行動の列を元の質問の解釈と組み合わせて表現し、修辞構造理論が解析する上で注釈を付ける。 9つの異なる人間のコミュニティからの回答にDiscoTraceを適用すると、コミュニティは回答構築に様々な好みを持っていることが分かる。 対照的に、LLMは、特定の人間のコミュニティ回答ガイドラインを模倣するよう促されたとしても、その回答に修辞的な多様性は示さない。 LLMは体系的に幅を選び、人間の答えが答えない質問の解釈に対処する。 本研究の成果は,QAの文脈から得られるさまざまな戦略を考慮に入れた実用的LCM応答器の開発を導くことができる。

関連論文リスト

• Rhetorical Questions in LLM Representations: A Linear Probing Study [5.165491129638819]
  談話文脈の異なる2つのソーシャルメディアデータセット上の線形プローブを用いて,LLM表現の修辞的質問を解析する。 我々は、修辞的な信号が早く出現し、最後に残った表現によって最も安定的に捉えられることを発見した。
  論文  参考訳（メタデータ） (2026-04-15T17:50:56Z)
• Can LLMs Ask Good Questions? [45.54763954234726]
  大規模言語モデル(LLM)が生成する質問を文脈から評価する。 質問タイプ,質問長,コンテキストカバレッジ,回答可能性,不共通性,必要な回答長の6つの次元にわたる人間による質問と比較した。
  論文  参考訳（メタデータ） (2025-01-07T03:21:17Z)
• Enhancing Answer Attribution for Faithful Text Generation with Large Language Models [5.065947993017158]
  本稿では,より独立的で文脈的なクレームを生成できる新しい手法を提案する。 新しい手法が評価され,回答帰属成分の性能が向上することが示されている。
  論文  参考訳（メタデータ） (2024-10-22T15:37:46Z)
• ELOQ: Resources for Enhancing LLM Detection of Out-of-Scope Questions [52.33835101586687]
  本研究では,検索した文書が意味的に類似しているように見えるスコープ外質問について検討するが,答えるために必要な情報がない。 本稿では,閉経後の文書から多様なスコープ外質問を自動的に生成するための,幻覚に基づくELOQを提案する。
  論文  参考訳（メタデータ） (2024-10-18T16:11:29Z)
• Modeling Future Conversation Turns to Teach LLMs to Ask Clarifying Questions [45.04582353648683]
  大規模言語モデル(LLM)は、しばしば非常にあいまいなユーザー要求に応答しなければならない。 既存のLLMは、そのような曖昧な要求の単一解釈を前提とすることで、異なる解釈を意図したユーザーをいらいらさせる。 今後,期待する結果をシミュレーションして選好ラベルを提案する。 これによってLLMは、将来の順番で各ユーザの解釈に合わせた応答を生成することができるのか、明確な質問を学べるようになる。
  論文  参考訳（メタデータ） (2024-10-17T17:29:04Z)
• Open Domain Question Answering with Conflicting Contexts [55.739842087655774]
  あいまいでオープンなドメインの質問の25%は、Google Searchを使って検索すると、コンフリクトのあるコンテキストにつながります。 我々はアノテータに正しい回答の選択についての説明を依頼する。
  論文  参考訳（メタデータ） (2024-10-16T07:24:28Z)
• GenSco: Can Question Decomposition based Passage Alignment improve Question Answering? [1.5776201492893507]
  ジェンスコ(GenSco)は,マルチホップ質問の予測分解に基づく経路選択手法である。 広範に確立された3つのマルチホップ質問応答データセットについて評価した。
  論文  参考訳（メタデータ） (2024-07-14T15:25:08Z)
• Reasoning in Conversation: Solving Subjective Tasks through Dialogue Simulation for Large Language Models [56.93074140619464]
  本稿では,対話シミュレーションによる主観的課題の解決に焦点を当てたRiC(Reasoning in Conversation)を提案する。 RiCのモチベーションは、チェーン・オブ・ソート・スタイルの合理性を提供するのではなく、対話をシミュレートすることで有用な文脈情報をマイニングすることである。 GPT-4、ChatGPT、OpenChatなど、APIベースのLLMとオープンソースのLLMの両方を12のタスクで評価する。
  論文  参考訳（メタデータ） (2024-02-27T05:37:10Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)

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。