論文の概要: Wait! There's a Way Out: A Decision Mechanism for Forecasting Conversational Derailment

• arxiv url: http://arxiv.org/abs/2605.29243v1
• Date: Thu, 28 May 2026 02:01:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.588462
• Title: Wait! There's a Way Out: A Decision Mechanism for Forecasting Conversational Derailment
• Title（参考訳）: ちょっと待った! 会話脱線予測のための決定メカニズム
• Authors: Laerdon Kim, Vivian Nguyen, Cristian Danescu-Niculescu-Mizil,
• Abstract要約: 脱線確率推定から引き起こす決定を分離する手法を提案する。 我々のアプローチは、このタスクにおける最初の人間のベースラインにインスパイアされ、人間が劇的に低い偽陽性率を達成することを示す。 より広範に、この研究は、予測システムの第一級コンポーネントとして意思決定を扱うことの価値を強調している。
• 参考スコア（独自算出の注目度）: 5.05047250049581
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forecasting conversational derailment is the task of predicting, as the conversation unfolds, whether it will eventually derail into personal attacks. Since forecasting models operate in an online fashion, they must decide whether to "trigger" an alert after each utterance--for example, to notify participants or a moderator that the conversation is at risk of derailing. Existing approaches make this decision solely based on the estimated likelihood of derailment given the preceding utterances, implicitly assuming that the conversation's future trajectory is fixed. As a result, they ignore the possibility of future recovery and incur an unnecessarily high rate of false positives. In this work we propose a method for decoupling the decision to trigger from derailment likelihood estimation. Our approach is inspired by the first human baseline on this task, which shows that humans achieve dramatically lower false positive rates by selectively deferring their decision to trigger when they anticipate that tension is likely to subside. We operationalize this insight with a deferral mechanism that uses forward-looking simulations to assess whether a tense moment admits plausible paths to recovery. Incorporating this mechanism into a state-of-the-art forecasting model substantially reduces false positives without sacrificing forecasting accuracy. More broadly, this work highlights the value of treating decision-making as a first-class component of forecasting systems.
• Abstract（参考訳）: 会話の脱線予測は、会話が広がり、最終的に個人攻撃に脱線するかどうかを予測するタスクである。 予測モデルはオンライン形式で動作するため、各発話後に警告を「トリガー」するか、例えば参加者やモデレーターに会話が脱線する危険性があると通知する必要がある。 既存のアプローチでは、会話の将来の軌道が固定されていることを暗黙的に仮定して、前回の発話から推定される脱線確率のみに基づいてこの決定を行う。 結果として、彼らは将来の回復の可能性を無視し、不必要な偽陽性率を発生させる。 本研究では, 脱線確率推定から引き起こす決定を分離する手法を提案する。 我々のアプローチは、このタスクにおける最初の人間のベースラインにインスパイアされており、緊張が下降する可能性があると予測した場合にトリガーする決定を選択的に遅らせることで、人間の偽陽性率を劇的に下げることを示しています。 我々は、この知見を、前向きのシミュレーションを用いて、テンソルモーメントが回復に有効な経路を許容するかどうかを評価するための遅延メカニズムで運用する。 このメカニズムを最先端の予測モデルに組み込むことで、予測精度を犠牲にすることなく、偽陽性を大幅に削減できる。 より広範に、この研究は、予測システムの第一級コンポーネントとして意思決定を扱うことの価値を強調している。

関連論文リスト

• Learning Through Retrospection: Improving Trajectory Prediction for Automated Driving with Error Feedback [41.94295877935867]
  自動走行では、周囲の車両の軌道予測がシーンダイナミクスの推論をサポートし、エゴ車両の安全な計画を可能にする。 既存のモデルは、観測された情報に基づいて将来の軌跡を予測するための瞬間的なタスクとして予測を扱う。 提案手法は,推論中の誤差を補正し,再現する手法である。
  論文  参考訳（メタデータ） (2025-04-18T16:35:12Z)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Bridging the Gap Between Multi-Step and One-Shot Trajectory Prediction via Self-Supervision [2.365702128814616]
  正確な車両軌道予測は、自動運転における未解決の問題である。 本稿では,複数の軌道セグメントを連結した中間層を提案する。 提案するマルチブランチ・セルフスーパービジョン予測器は,中間将来のセグメントから始まる新しい予測について追加の訓練を受ける。
  論文  参考訳（メタデータ） (2023-06-06T02:46:28Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Acting upon Imagination: when to trust imagined trajectories in model based reinforcement learning [1.26990070983988]
  モデルベース強化学習(MBRL)は、行動の結果を予測する環境力学のモデル(s)を学習することを目的としている。 仮想軌道のオンライン評価のための不確実性推定手法を提案する。 その結果,性能を犠牲にすることなく計算コストを大幅に削減できることがわかった。
  論文  参考訳（メタデータ） (2021-05-12T15:04:07Z)
• Model updating after interventions paradoxically introduces bias [2.089458396525051]
  最近の議論は、二進的な結果に対する予測スコアの更新における潜在的な問題を浮き彫りにした。 この設定では、既存のスコアは、元のスコアが置き換えられたときに誤校正につながる追加の因果経路を誘導する。 本稿では,この問題を記述・解決するための一般的な因果的枠組みを提案し,部分的に観察されたマルコフ決定過程として等価な定式化を実証する。
  論文  参考訳（メタデータ） (2020-10-22T08:43:29Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)

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。