論文の概要: SocialWise: LLM-Agentic Conversation Therapy for Individuals with Autism Spectrum Disorder to Enhance Communication Skills

• arxiv url: http://arxiv.org/abs/2604.15347v1
• Date: Sat, 28 Mar 2026 20:26:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.851892
• Title: SocialWise: LLM-Agentic Conversation Therapy for Individuals with Autism Spectrum Disorder to Enhance Communication Skills
• Title（参考訳）: ソーシャルワイズ:自閉症スペクトラム障害者のコミュニケーションスキルを高めるLLM-Agentic Conversation Therapy
• Authors: Albert Tang,
• Abstract要約: SocialWiseはブラウザベースのアプリケーションで、会話エージェントと治療的検索強化生成(RAG)知識ベースを組み合わせている。 ユーザはシナリオを選択し、テキストや音声で対話し、トーン、エンゲージメント、代替のフレーズに関するインスタントで構造化されたフィードバックを受け取る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autism Spectrum Disorder (ASD) affects more than 75 million people worldwide. However, scalable support for practicing everyday conversation is scarce: Low-cost activities such as story reading yield limited improvement. At the same time, effective role-play therapy demands expensive, in-person sessions with specialists. SocialWise bridges this gap through a browser-based application that pairs LLM conversational agents with a therapeutic retrieval augmented generation (RAG) knowledge base. Users select a scenario (e.g., ordering food, joining a group), interact by text or voice, and receive instant, structured feedback on tone, engagement, and alternative phrasing. The SocialWise prototype, implemented with Streamlit, LangChain, and ChromaDB, runs on any computer with internet access, and demonstrates how recent advances in LLM can provide evidence-based, on-demand communication coaching for individuals with ASD.
• Abstract（参考訳）: 自閉症スペクトラム障害(ASD)は世界中で7500万人以上の人に影響を与えている。 しかし、日々の会話を実践するためのスケーラブルなサポートは不足している。 同時に、効果的なロールプレイ療法は、専門家と対面で高価なセッションを必要とする。 SocialWiseはこのギャップを、LLM会話エージェントとRAG知識ベースを組み合わせたブラウザベースのアプリケーションを通じて埋める。 ユーザはシナリオ(食べ物の注文、グループへの参加など)を選択し、テキストや音声で対話し、トーン、エンゲージメント、オルタナティブなフレーズに対する即座に構造化されたフィードバックを受け取る。 SocialWiseのプロトタイプはStreamlit、LangChain、ChromaDBで実装されており、インターネットアクセスのあるあらゆるコンピュータ上で動作し、最近のLSMの進歩が、ASDを持つ個人に対してエビデンスベースのオンデマンドコミュニケーションコーチングを提供することを実証している。

関連論文リスト

• Tell Me: An LLM-powered Mental Well-being Assistant with RAG, Synthetic Dialogue Generation, and Agentic Planning [0.0]
  Tell Meは、大きな言語モデルの進歩を活用して、ユーザと研究者にアクセシブルでコンテキスト対応のサポートを提供する、メンタルウェルビーイングシステムである。 i) パーソナライズされた知識基盤対話のための検索強化世代アシスタント(RAG) ; (ii) クライアントプロファイルに条件付き合成クライアントセラピスト対話ジェネレータで、治療言語とデータ拡張の研究を容易にする。
  論文  参考訳（メタデータ） (2025-11-18T12:43:04Z)
• 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)
• Script-Strategy Aligned Generation: Aligning LLMs with Expert-Crafted Dialogue Scripts and Therapeutic Strategies for Psychotherapy [17.07905574770501]
  大規模言語モデル(LLM)は、より柔軟な相互作用の可能性を秘めているが、心理療法のような高い文脈において制御性や説明可能性に欠ける。 LLMと専門家によるスクリプトの整合性は精神療法の成績を高めるかを検討するために2つの研究を行った。 結果をもとに,より柔軟なアライメント手法であるスクリプト・ストラテジー・アライメント・ジェネレーション(SSAG)を提案した。
  論文  参考訳（メタデータ） (2024-11-11T05:14:14Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Therapy as an NLP Task: Psychologists' Comparison of LLMs and Human Peers in CBT [6.932239020477335]
  大規模言語モデル(LLM)はアドホックセラピストとして使われている。 本研究は,ヒトカウンセラーのセッションレベルの行動と,同僚のチームが単一セッション認知行動療法を行うように促したLDMの行動とを比較した。
  論文  参考訳（メタデータ） (2024-09-03T19:19:13Z)
• Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue [73.69510478736483]
  大規模言語モデル(LLM)は、流動的で一貫性があり多様な応答を生成する。 しかし、それらは重要な能力、コミュニケーションスキルを欠いている。 本稿は,内的モノローグによるLLMのコミュニケーション能力向上を目的としている。 実験の結果,提案したCSIM戦略はバックボーンモデルを改善し,ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-11-13T16:19:42Z)
• Zero-Shot Goal-Directed Dialogue via RL on Imagined Conversations [70.7884839812069]
  大規模言語モデル(LLM)は、多くの自然言語タスクに対する強力で一般的な解決策として登場した。 しかしながら、言語生成の最も重要なアプリケーションの多くは対話的であり、エージェントは望ましい結果に達するために相手と話し合わなければならない。 本研究では,そのような目標指向対話に対して,RLでLLMを適応させる新しい手法について検討する。
  論文  参考訳（メタデータ） (2023-11-09T18:45:16Z)

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。