論文の概要: From Empathy to Personalized Empathy: Adapting Empathetic Strategies to Individual Users
- arxiv url: http://arxiv.org/abs/2606.00728v1
- Date: Sat, 30 May 2026 13:49:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 00:57:58.918241
- Title: From Empathy to Personalized Empathy: Adapting Empathetic Strategies to Individual Users
- Title（参考訳）: 共感からパーソナライズされた共感へ:共感的戦略を個人に適応させる
- Abstract要約: 我々は,歴史から派生したユーザのパーソナライズされた特徴に応じて共感的戦略を適用することに焦点を当てた,パーソナライズされた共感の課題を紹介する。
この能力を研究・強化するために,長期のユーザ-AIインタラクションから構築したパーソナライズされた共感データセットであるPersonaEmpを構築した。
また,共感評価構造と動的評価基準生成を組み合わせた報酬モデリングフレームワークPereGRMを提案する。
- 参考スコア（独自算出の注目度）: 18.076348459216913
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As Large Language Models (LLMs) are increasingly deployed in long-term interactions with users, empathy has become an increasingly important capability. However, existing research overlooks the influence of users' personality traits on empathetic strategies during long-term interactions. To address this gap, we introduce the task of personalized empathy, which focuses on adapting empathetic strategies according to users' personalized characteristics derived from history. To study and enhance this capability, we construct PersonaEmp, a personalized empathy dataset built from long-term user-AI interactions, featuring rich user histories, persona information, and empathy-seeking queries. We further propose PereGRM, a reward modeling framework that combines the empathy evaluation structure with dynamic evaluation criteria generation for fine-grained reward modeling. Experimental results across different settings and multiple judge models show that PereGRM consistently achieves the strongest performance improvements, indicating its effectiveness for enhancing personalized empathetic capabilities.
- Abstract（参考訳）: 大きな言語モデル(LLM)がユーザとの長期的なインタラクションにますます活用されるにつれて、共感はますます重要な機能になりつつある。
しかし,既存の研究では,ユーザの性格特性が長期的相互作用における共感的戦略に与える影響を概観している。
このギャップに対処するために、歴史から派生したユーザのパーソナライズされた特徴に応じて共感的戦略を適用することに焦点を当てたパーソナライズされた共感のタスクを導入する。
この能力を研究・強化するために、パーソナライズされたパーソナライズされた共感データセットであるPersonaEmpを構築し、豊富なユーザ履歴、ペルソナ情報、共感検索クエリを特徴とする。
さらに,共感評価構造と動的評価基準生成を組み合わせた報酬モデリングフレームワークPereGRMを提案する。
異なる設定と複数の判断モデルによる実験結果から、PereGRMは、パーソナライズされた共感能力を向上するための有効性を示している。
関連論文リスト
- VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions [63.13827503828231]
我々は、長期ユーザーインタラクションにおけるパーソナライズされたプロアクティブなエージェント動作を評価するためのベンチマークであるVitaBench 2.0を紹介する。
結果は、最先端のモデルでさえ、現実世界のパーソナライゼーションは非常に困難であることを示している。
論文 参考訳（メタデータ） (2026-05-26T15:07:38Z) - HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。
私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。
次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
論文 参考訳（メタデータ） (2026-01-22T09:27:27Z) - PERM: Psychology-grounded Empathetic Reward Modeling for Large Language Models [45.377102925731826]
大きな言語モデル(LLM)は、人間中心のアプリケーションにますますデプロイされるが、静的な感情的サポートの提供に失敗することが多い。
本稿では,この限界に対処するために,心理学に基づく共感的リワードモデリング(PERM)を提案する。
論文 参考訳（メタデータ） (2026-01-15T15:56:55Z) - O-Mem: Omni Memory System for Personalized, Long Horizon, Self-Evolving Agents [60.1848551962911]
O-Memはアクティブユーザプロファイリングに基づく新しいメモリフレームワークである。
O-Memはペルソナ属性とトピック関連コンテキストの階層的検索をサポートする。
論文 参考訳（メタデータ） (2025-11-17T16:55:19Z) - From Measurement to Expertise: Empathetic Expert Adapters for Context-Based Empathy in Conversational AI Agents [9.297250791971837]
文脈依存型共感型大言語モデル(LLM)の開発と評価のための新しいフレームワークを提案する。
8つのタスクにまたがる672個のマルチターン会話からなる実世界の会話データセットを解析する。
我々は、認識されたタスクに基づいて、様々な共感レベルを専門とする文脈特化共感のための共感専門家アダプタを訓練する。
論文 参考訳（メタデータ） (2025-11-05T03:07:27Z) - SENSE-7: Taxonomy and Dataset for Measuring User Perceptions of Empathy in Sustained Human-AI Conversations [13.232694774856931]
観察可能な共感行動を強調する人間中心の分類法を提案する。
我々は,情報労働者とLarge Language Models(LLMs)による実世界の会話のデータセットであるSense-7を紹介する。
109人の参加者による695の会話の分析から,共感の判断は高度に個人化され,文脈に敏感で,混乱に弱いことが判明した。
論文 参考訳（メタデータ） (2025-09-19T21:32:24Z) - Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。
ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。
実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
論文 参考訳（メタデータ） (2025-04-09T13:21:17Z) - APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
共感反応生成は、他人の感情を理解するように設計されている。
検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。
我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
論文 参考訳（メタデータ） (2024-07-23T02:23:37Z) - CEM: Commonsense-aware Empathetic Response Generation [31.956147246779423]
本稿では,ユーザ状況に関する情報を引き出すために,コモンセンスを利用した共感応答生成手法を提案する。
我々は,共感的応答生成のためのベンチマークデータセットである共感的ダイアログに対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-09-13T06:55:14Z) - Towards Persona-Based Empathetic Conversational Models [58.65492299237112]
共感的会話モデルは、多くのドメインにおけるユーザの満足度とタスク結果を改善することが示されている。
心理学において、ペルソナは人格と高い相関関係があることが示され、それによって共感に影響を及ぼす。
本研究では,ペルソナに基づく共感的会話に対する新たな課題を提案し,ペルソナが共感的反応に与える影響に関する最初の経験的研究を示す。
論文 参考訳（メタデータ） (2020-04-26T08:51:01Z)
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。