論文の概要: Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization

• arxiv url: http://arxiv.org/abs/2605.07011v1
• Date: Thu, 07 May 2026 22:49:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.659845
• Title: Dual-Agent Co-Training for Health Coaching via Implicit Adversarial Preference Optimization
• Title（参考訳）: インシシット・アジェント・コレーニング : インシシット・アジェント・コレーニングによるヘルス・コーチング
• Authors: Da Long, Lingyi Fu, Diya Michelle Rao, Jasmine Ruales Carrera, Yang Bai, Shandian Zhe,
• Abstract要約: モチベーション・インタービューリングに基づく健康コーチングは、メンタルヘルスを改善し、健康的な行動変化を促進する効果的なアプローチである。 訓練された人間のコーチの不足と、高いコストのコーチングサービスの不足は、そのようなサポートを多くの人々が利用できないものにします。 本稿では,ヘルスコーチエージェントとクライアントシミュレータの両方を対話的に学習するデュアルエージェントフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 13.546847868345369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motivational-interviewing-based health coaching is an effective approach for improving mental health and promoting healthy behavior change. However, the scarcity of trained human coaches and the high cost of coaching services make such support inaccessible to many people who could benefit from it. This motivates the development of AI health coaches that can provide scalable and affordable support. Existing methods typically optimize only one side of the interaction: they either train a dialogue agent against a fixed client environment or train a client simulator against a fixed assistant. This one-sided setup can limit exploration of the interaction space and may be inefficient at developing the capabilities required by the target agent and pushing its performance boundaries. In this paper, we propose a dual-agent framework that interactively co-trains both the health coach agent and the client simulator. The coach is optimized with DPO using Pareto-dominant response pairs identified by a multi-dimensional LLM judge. In turn, the client is trained adversarially by reversing these preferences, inducing an implicit adversarial training dynamic. We further show that this co-training process admits a natural stochastic-game interpretation. Extensive experiments demonstrate that our method effectively improves coaching quality across several important dimensions.
• Abstract（参考訳）: モチベーション・インタービューリングに基づく健康コーチングは、メンタルヘルスを改善し、健康的な行動変化を促進する効果的なアプローチである。 しかし、訓練された人間のコーチの不足と、高いコストのコーチングサービスによって、その恩恵を受けることができる多くの人々がそのような支援を受けることができない。 これにより、スケーラブルで安価なサポートを提供するAIヘルスコーチの開発が動機になる。 既存のメソッドは通常、対話エージェントを固定されたクライアント環境に対してトレーニングするか、固定されたアシスタントに対してクライアントシミュレータをトレーニングする。 この一方的な設定は、相互作用空間の探索を制限することができ、ターゲットエージェントに必要な能力を開発し、その性能境界を押し上げるのに非効率である可能性がある。 本稿では,ヘルスコーチエージェントとクライアントシミュレータの両方を対話的に学習するデュアルエージェントフレームワークを提案する。 コーチは多次元LLM判定器によって同定されたパレート優位応答対を用いてDPOで最適化される。 逆に、クライアントはこれらの嗜好を逆転させ、暗黙の逆行訓練を動的に誘導することで、逆行的に訓練される。 さらに,この協調学習プロセスは,自然な確率ゲーム解釈を許容することを示した。 大規模な実験により,本手法はいくつかの重要な次元にわたるコーチング品質を効果的に向上することが示された。

関連論文リスト

• PsychAgent: An Experience-Driven Lifelong Learning Agent for Self-Evolving Psychological Counselor [27.91498114470285]
  心理カウンセリングのための経験駆動型生涯学習エージェント(textttPsychAgent)を提案する。 まず,縦方向のマルチセッションインタラクションに適したメモリ拡張計画エンジンを構築した。 第2に、歴史的カウンセリングの軌跡から新しい実践的スキルを抽出するスキル進化エンジンを設計する。 第三に、進化したスキルをモデルに統合する強化内部化エンジンを導入します。
  論文  参考訳（メタデータ） (2026-04-01T14:08:49Z)
• Nested Training for Mutual Adaptation in Human-AI Teaming [30.247046563601202]
  既存のアプローチは、トレーニングパートナの多様性を改善して人間の振る舞いを近似することを目的としているが、これらのパートナは静的であり、人間の適応的な振る舞いを捉えることができない。 我々は,人間ロボットのチーム化シナリオを対話的部分観測可能なマルコフ決定プロセス (I-POMDP) としてモデル化し,その状態の一部としての人間の適応を明示的にモデル化する。 提案手法を,人間ロボットの協調作業用に設計された複数のベースラインエージェントと比較し,オーバークッキング領域における協調設定を必要とするマルチフェーズで学習する。
  論文  参考訳（メタデータ） (2026-02-18T23:07:48Z)
• AutoCBT: An Autonomous Multi-agent Framework for Cognitive Behavioral Therapy in Psychological Counseling [57.054489290192535]
  伝統的な個人の心理カウンセリングは主にニッチであり、心理学的な問題を持つ個人によって選択されることが多い。 オンラインの自動カウンセリングは、恥の感情によって助けを求めることをためらう人たちに潜在的な解決策を提供する。
  論文  参考訳（メタデータ） (2025-01-16T09:57:12Z)
• 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)
• Coaching Copilot: Blended Form of an LLM-Powered Chatbot and a Human Coach to Effectively Support Self-Reflection for Leadership Growth [40.30407535831779]
  本稿では,近年のLarge Language Models (LLM) を利用したチャットボットが,エグゼクティブコーチングの分野におけるプロフェッショナルコーチと協調する可能性について考察する。 彼らと一緒にデザインワークショップを開催し,10組のコーチ-クライアントペアに関する2週間のユーザスタディを通じて,人間のコーチを補完するチャットボットの統合の実現可能性とニュアンスについて検討した。
  論文  参考訳（メタデータ） (2024-05-24T06:20:56Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Multi-trainer Interactive Reinforcement Learning System [7.3072544716528345]
  複数のトレーナーを導入することにより,より効果的な対話型強化学習システムを提案する。 特に,トレーナーフィードバックアグリゲーション実験の結果,アグリゲーション法が最も正確であることがわかった。 最後に, MTIRLが評価モデルで訓練した政策が, レビューモデルなしでの政策よりも, 最適ポリシーに近いことを示すために, グリッドワールド実験を行った。
  論文  参考訳（メタデータ） (2022-10-14T18:32:59Z)
• Safe adaptation in multiagent competition [48.02377041620857]
  マルチエージェントの競争シナリオでは、エゴエージェントは前例のない振る舞いを持つ新しい相手に適応しなければならない。 エゴエージェントは、相手を悪用するために自身の行動を更新するので、その行動はより悪用される可能性がある。 我々は,エゴエージェントを正規化相手モデルに対してトレーニングする安全な適応手法を開発する。
  論文  参考訳（メタデータ） (2022-03-14T23:53:59Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)
• PEBBLE: Feedback-Efficient Interactive Reinforcement Learning via Relabeling Experience and Unsupervised Pre-training [94.87393610927812]
  我々は、フィードバックと非政治学習の両方の長所を生かした、非政治的、インタラクティブな強化学習アルゴリズムを提案する。 提案手法は,従来ヒト・イン・ザ・ループ法で検討されていたよりも複雑度の高いタスクを学習可能であることを実証する。
  論文  参考訳（メタデータ） (2021-06-09T14:10:50Z)

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。