論文の概要: Generating Place-Based Compromises Between Two Points of View

• arxiv url: http://arxiv.org/abs/2604.24536v1
• Date: Mon, 27 Apr 2026 14:33:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.085493
• Title: Generating Place-Based Compromises Between Two Points of View
• Title（参考訳）: 場所に基づく2点の相違点の生成
• Authors: Sumanta Bhattacharyya, Francine Chen, Scott Carter, Yan-Ying Chen, Tatiana Lau, Nayeli Suseth Bravo, Monica P. Van, Kate Sieck, Charlene C. Wu,
• Abstract要約: 大規模言語モデル (LLMs) は学術的に優れているが、社会的知性に苦しむ。 対立する2つの視点間の共感的に中立な妥協を生成する方法を提案する。
• 参考スコア（独自算出の注目度）: 6.279595057840236
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) excel academically but struggle with social intelligence tasks, such as creating good compromises. In this paper, we present methods for generating empathically neutral compromises between two opposing viewpoints. We first compared four different prompt engineering methods using Claude 3 Opus and a dataset of 2,400 contrasting views on shared places. A subset of the gen erated compromises was evaluated for acceptability in a 50-participant study. We found that the best method for generating compromises between two views used external empathic similarity between a compromise and each viewpoint as iterative feedback, outperforming stan dard Chain of Thought (CoT) reasoning. The results indicate that the use of empathic neutrality improves the acceptability of compromises. The dataset of generated compromises was then used to train two smaller foundation models via margin-based alignment of human preferences, improving efficiency and removing the need for empathy estimation during inference.
• Abstract（参考訳）: LLM(Large Language Models)は学術的に優れているが、良い妥協を生み出すような社会的知性に苦しむ。 本稿では,対立する2つの視点間の共感的中立な妥協を生成する手法を提案する。 最初に、Claude 3 Opusを用いた4つの異なるプロンプトエンジニアリング手法と、共有場所に関する2,400のコントラストビューのデータセットを比較した。 50名の被験者を対象に,遺伝子組換え妥協のサブセットを受容性評価した。 その結果,2つの視点間の妥協を生成する最善の方法は,妥協と各視点の相似性を反復的フィードバックとして利用し,思考のスタンダード・チェイン(CoT)推論よりも優れた結果を得た。 その結果,共感的中立性の使用は妥協の受容性を向上させることが示唆された。 生成された妥協のデータセットは、人間の嗜好のマージンに基づくアライメント、効率の改善、推論中の共感推定の必要性の除去を通じて、2つの小さな基礎モデルのトレーニングに使用された。

関連論文リスト

• Towards Distribution-Agnostic Generalized Category Discovery [51.52673017664908]
  データ不均衡とオープンエンドの分布は、現実の視覚世界の本質的な特性である。 我々は,BaCon(Self-Balanced Co-Advice contrastive framework)を提案する。 BaConは、対照的な学習ブランチと擬似ラベルブランチで構成され、DA-GCDタスクを解決するためのインタラクティブな監視を提供するために協力して動作する。
  論文  参考訳（メタデータ） (2023-10-02T17:39:58Z)
• Generalizable Heterogeneous Federated Cross-Correlation and Instance Similarity Learning [60.058083574671834]
  本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。 不均一な問題に対しては、無関係な公開データを通信に活用する。 局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
  論文  参考訳（メタデータ） (2023-09-28T09:32:27Z)
• SimCSE++: Improving Contrastive Learning for Sentence Embeddings from Two Perspectives [32.6620719893457]
  本稿では,2つの視点から文埋め込みのコントラスト学習を改善する。 まず、負対からの落音がモデルの性能に影響を及ぼすことを確かめる。 次に,このようなノイズに対処するための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2023-05-22T16:24:46Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• Forget-me-not! Contrastive Critics for Mitigating Posterior Collapse [20.258298183228824]
  我々は,潜伏変数と観測値の対応を必要とする事で,後部崩壊を検知し,インセンティブを与える推論評論家を紹介した。 このアプローチは実装が簡単で、事前のメソッドよりもトレーニング時間が大幅に少なくなります。
  論文  参考訳（メタデータ） (2022-07-19T20:07:17Z)
• Unsupervised Voice-Face Representation Learning by Cross-Modal Prototype Contrast [34.58856143210749]
  同一性ラベルを使わずに,音声映像から音声表現を学習する手法を提案する。 これまでの研究では、音声と顔の相関を確立するために、クロスモーダルなインスタンス識別タスクが用いられてきた。 比較手法を生かし, 偽陰性の悪影響に抵抗し, 正の逸脱に抵抗するクロスモーダル・プロトタイプ・コントラッシブ・ラーニング(CMPC)を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:28:56Z)

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。