論文の概要: Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling

• arxiv url: http://arxiv.org/abs/2605.15812v1
• Date: Fri, 15 May 2026 10:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.248787
• Title: Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling
• Title（参考訳）: 時間的相互感情モデリングによる自然・相反する仮想エージェントを目指して
• Authors: Feier Qin, Xiao Li, Yi Zheng, Haibin Huang, Hanyao Wang, Xiaoyu Wang, Yan Lu, Yuan Zhang,
• Abstract要約: 本稿では、長期行動履歴とモーメント・ツー・モーメントの感情表現を結びつけるフレームワークであるクロステンポラル感情モデリング(CTEM)を提案する。 CTEMは、過去の経験が進化する感情状態を更新する閉ループを確立する。 本研究は,CTEMが自然性,コヒーレンス,感情調和の改善を示すことを示す21日間の研究を報告する。
• 参考スコア（独自算出の注目度）: 32.177044116887444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in foundation models have enabled conversational agents that aim for sustained companionship rather than mere task completion. Yet most still remain unable to support natural, long-term companion-like interactions, resulting in experiences that feel episodic and inauthentic. We argue that current agents overlooked cross-temporal modeling of agents' social behaviors and internal emotions: generated behaviors rarely influence an agent's emotional state, and emotional states seldom shape subsequent behaviors. We present Cross-Temporal Emotion Modeling (CTEM), a framework that links long-term behavioral history to moment-to-moment emotional expression. CTEM establishes a closed loop where past experiences update an evolving emotional state; this state conditions immediate interactions; and user feedback continually revises both memory and emotional state, enabling reflection and anticipation. We instantiate CTEM as Auri, a companion agent on an instant-messaging platform, and report a 21-day in-the-wild study showing that CTEM shows improvements in perceived naturalness, coherence, and emotional harmony.
• Abstract（参考訳）: 基礎モデルの最近の進歩は、単なるタスク完了ではなく、持続的な協力を目指す会話エージェントを可能にしている。 しかし、ほとんどの場合、自然の、長期の仲間のような相互作用を支えられないままであり、結果としてエピソジックで非正統な体験をもたらす。 現在のエージェントはエージェントの社会的行動と内的感情の時間的モデリングを見落としている: 生成された行動はエージェントの感情状態にほとんど影響を与えず、感情状態はその後の行動にほとんど影響を与えない。 本稿では、長期行動履歴とモーメント・ツー・モーメントの感情表現を結びつけるフレームワークであるクロステンポラル感情モデリング(CTEM)を提案する。 CTEMは、過去の経験が進化する感情状態を更新するクローズドループを確立し、この状態は即時相互作用を条件とし、ユーザのフィードバックは記憶状態と感情状態の両方を継続的に修正し、リフレクションと予測を可能にする。 我々は、CTEMをインスタントメッセージプラットフォームにおける補助エージェントであるAuriとしてインスタンス化し、21日間の研究を報告し、CTEMが知覚自然性、コヒーレンス、感情調和の改善を示すことを示す。

関連論文リスト

• Sentipolis: Emotion-Aware Agents for Social Simulations [27.051352819823524]
  センティポリスは、社会シミュレーションのための感情的にステートフルなエージェントのためのフレームワークである。 Pleasure-Arousal-Dominance表現、デュアルスピード感情ダイナミクス、感情-メモリ結合を統合している。
  論文  参考訳（メタデータ） (2026-01-25T22:50:04Z)
• PsychēChat: An Empathic Framework Focused on Emotion Shift Tracking and Safety Risk Analysis in Psychological Counseling [12.348236978084671]
  本稿では,心理的カウンセリングのための感情変化追跡と安全リスク分析を明示的に統合したサイコチャットを提案する。 具体的には、対話型ロールプレイングを用いてカウンセラー対話を合成し、感情管理モジュールとリスクコントロールモジュールの2つのモジュールを統合する。 Agent Modeは、感情管理、リスクコントロール、カウンセラー応答を協調的なマルチエージェントパイプラインに構成する。
  論文  参考訳（メタデータ） (2026-01-18T13:06:13Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• Detecting Emotional Dynamic Trajectories: An Evaluation Framework for Emotional Support in Language Models [6.810484095299127]
  感情支援は人間とAIの相互作用における中核的な能力であり、心理学的カウンセリング、ロールプレイ、コンパニオンシップなどの応用がある。 大規模言語モデル(LLM)の既存の評価は、しばしば短く静的な対話に依存し、感情的サポートの動的で長期的な性質を捉えない。 本フレームワークは,328の情緒的文脈と1,152の外乱イベントからなる大規模ベンチマークを構築し,進化する対話シナリオ下での現実的な情緒的変化をシミュレートする。
  論文  参考訳（メタデータ） (2025-11-12T05:47:28Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• EmotionIC: emotional inertia and contagion-driven dependency modeling for emotion recognition in conversation [34.24557248359872]
  本稿では,ERCタスクに対する感情的慣性・伝染型依存性モデリング手法(EmotionIC)を提案する。 EmotionICは3つの主要コンポーネント、すなわちIDマスク付きマルチヘッド注意(IMMHA)、対話型Gated Recurrent Unit(DiaGRU)、Skip-chain Conditional Random Field(SkipCRF)から構成されている。 実験結果から,提案手法は4つのベンチマークデータセットにおいて,最先端のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-20T13:58:35Z)

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。