論文の概要: CHORUS: An Agentic Framework for Generating Realistic Deliberation Data
- arxiv url: http://arxiv.org/abs/2604.20651v1
- Date: Wed, 22 Apr 2026 15:01:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.185039
- Title: CHORUS: An Agentic Framework for Generating Realistic Deliberation Data
- Title（参考訳）: CHORUS: リアルな議論データを生成するためのエージェントフレームワーク
- Authors: A. Koursaris, G. Domalis, A. Apostolopoulou, K. Kanaris, D. Tsakalidis, I. E. Livieris,
- Abstract要約: Chorusは、アクターを行動的に一貫したペルソナで編成し、現実的な議論を生み出すエージェントフレームワークである。
このフレームワークはtextscDeliberateプラットフォーム上にデプロイされ、3次元にわたる30人の専門家によって評価された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the intricate dynamics of online discourse depends on large-scale deliberation data, a resource that remains scarce across interactive web platforms due to restrictive accessibility policies, ethical concerns and inconsistent data quality. In this paper, we propose Chorus, an agentic framework, which orchestrates LLM-powered actors with behaviorally consistent personas to generate realistic deliberation discussions. Each actor is governed by an autonomous agent equipped with memory of the evolving discussion, while participation timing is governed by a principled Poisson process-based temporal model, which approximates the heterogeneous engagement patterns of real users. The framework is further supported by structured tool usage, enabling actors to access external resources and facilitating integration with interactive web platforms. The framework was deployed on the \textsc{Deliberate} platform and evaluated by 30 expert participants across three dimensions: content realism, discussion coherence and analytical utility, confirming Chorus as a practical tool for generating high-quality deliberation data suitable for online discourse analysis
- Abstract（参考訳）: オンライン談話の複雑なダイナミクスを理解するには、制限的なアクセシビリティポリシー、倫理的関心事、一貫性のないデータ品質のために、インタラクティブなWebプラットフォームでまだ不足している大規模な議論データに依存する。
本稿では, LLMをベースとしたアクターを行動的一貫したペルソナで編成し, 現実的な議論を生み出すエージェントフレームワークであるChorusを提案する。
各アクターは、進化する議論の記憶を備えた自律エージェントによって管理され、参加タイミングは、実際のユーザの異種エンゲージメントパターンを近似した、原則化されたPoissonプロセスベースの時間モデルによって制御される。
このフレームワークは構造化ツールの使用によってさらにサポートされており、アクターは外部リソースにアクセスでき、インタラクティブなWebプラットフォームとの統合を容易にすることができる。
このフレームワークは、textsc{Deliberate}プラットフォーム上にデプロイされ、コンテンツリアリズム、議論コヒーレンス、分析ユーティリティの3次元の専門家30名によって評価され、オンライン談話分析に適した高品質な熟考データを生成するための実用的なツールとしてChorusを確認した。
関連論文リスト
- SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。
Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。
本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
論文 参考訳（メタデータ） (2026-03-17T17:58:44Z) - Proact-VL: A Proactive VideoLLM for Real-Time AI Companions [52.23988809605433]
自動評価のために選択された2つのゲームシナリオ,コメンテータとガイドを通じて,AIコンパニオンをインスタンス化する。
Proact-VLは,マルチモーダル言語モデルを人間のような環境認識とインタラクションが可能な,能動的,リアルタイムな対話エージェントに形成するフレームワークである。
論文 参考訳（メタデータ） (2026-03-03T19:02:46Z) - AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。
このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
論文 参考訳（メタデータ） (2026-01-28T16:05:44Z) - Agent-based simulation of online social networks and disinformation [35.38015952060615]
本稿では、人口動態に基づく性格特性と有限状態行動オートマトンを用いた合成ソーシャルネットワークをモデル化するシミュレーションフレームワークを提案する。
大規模言語モデル(LLM)を利用した生成モジュールは、各エージェントのプロファイルとメモリに整合したコンテキスト対応のソーシャルメディアポストを生成する。
レッドモジュールは、シミュレーションされたオーディエンスをターゲットにした悪意のあるエージェントによって実行されるdisARMにインスパイアされた偽情報キャンペーンを実装している。
論文 参考訳（メタデータ） (2025-12-26T16:56:45Z) - AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。
記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。
今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
論文 参考訳（メタデータ） (2025-09-17T11:27:45Z) - Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology [59.63189507373199]
私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。
YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。
エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。
結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
論文 参考訳（メタデータ） (2025-08-29T16:06:27Z) - Dynamic benchmarking framework for LLM-based conversational data capture [0.0]
本稿では,大規模言語モデル(LLM)を評価するためのベンチマークフレームワークを提案する。
生成エージェントシミュレーションを統合して、情報抽出、コンテキスト認識、適応エンゲージメントといった重要次元のパフォーマンスを評価する。
その結果,不明瞭な応答を扱う場合,適応戦略によりデータの抽出精度が向上することが示唆された。
論文 参考訳（メタデータ） (2025-02-04T15:47:47Z) - Yeah, Un, Oh: Continuous and Real-time Backchannel Prediction with Fine-tuning of Voice Activity Projection [24.71649541757314]
yeah"や"oh"といった短いバックチャネルの発話は、スムーズでエンゲージメントな対話を促進する上で重要な役割を担っている。
本稿では,微調整音声活動予測モデルを用いて,リアルタイムかつ連続的なバックチャネル予測を行う手法を提案する。
論文 参考訳（メタデータ） (2024-10-21T11:57:56Z) - Towards Realistic Synthetic User-Generated Content: A Scaffolding Approach to Generating Online Discussions [17.96479268328824]
ユーザ生成コンテンツの現実的で大規模な合成データセット作成の実現可能性について検討する。
本稿では,議論スレッドのコンパクトな表現のアイデアに基づく多段階生成プロセスを提案する。
論文 参考訳（メタデータ） (2024-08-15T18:43:50Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z)
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。