論文の概要: Community-Aware Assessment of Social Textual Engagement and Resonance: A Human-Centric Perspective on User-Generated Content Evaluation
- arxiv url: http://arxiv.org/abs/2606.01897v1
- Date: Mon, 01 Jun 2026 08:38:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:31.621405
- Title: Community-Aware Assessment of Social Textual Engagement and Resonance: A Human-Centric Perspective on User-Generated Content Evaluation
- Title（参考訳）: ソーシャル・テキスト・エンゲージメントと共鳴のコミュニティ・アウェア・アセスメント : ユーザ生成コンテンツ評価における人間中心的視点
- Abstract要約: 本稿では,信号中心の指標から人間中心の共鳴評価へのパラダイムシフトを提案する。
本稿では,新しいソーシャル・チェーン・オブ・トラヒック(Social-CoT)機構を導入するMEDEAについて紹介する。
CASTER-Benchは、さまざまなカテゴリをカバーする包括的な人間アノテーション付きベンチマークである。
- 参考スコア（独自算出の注目度）: 15.614134221440528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional Video Quality Assessment (VQA) focuses narrowly on aesthetic fidelity, overlooking the complex social dynamics that define quality in User-Generated Content (UGC). In this work, we propose a paradigm shift from signal-centric metrics to human-centric resonance assessment. We introduce CASTER (Community-Aware Assessment of Social Textual Engagement and Resonance), a new task that evaluates whether a UGC item achieves positive community resonance based on its multimodal attributes rather than visual quality alone. To address this, we present MEDEA (Multimodal Engagement-Driven Evaluation Architecture), which introduces a novel Social Chain-of-Thought (Social-CoT) mechanism. Unlike traditional logical CoT, Social-CoT performs multimodal perspective-taking, instantiating diverse viewer personas to simulate collective cognitive and emotional reactions (i.e., the "community mind") before deriving a quality judgment. MEDEA is trained via a two-stage approach involving supervised fine-tuning and process-supervised reinforcement learning with Social Alignment Reward to ensure reasoning paths are grounded in authentic human social cognition. To support this task, we release CASTER-Bench, a comprehensive human-annotated benchmark covering diverse UGC categories. Experiments demonstrate that MEDEA significantly outperforms state-of-the-art baselines on CASTER-Bench while providing interpretable and empathetic reasoning paths that align with real community feedback.
- Abstract（参考訳）: 従来のビデオ品質アセスメント(VQA)は、ユーザ生成コンテンツ(UGC)の品質を定義する複雑な社会的ダイナミクスを見越して、美的忠実さに焦点を絞っている。
本研究では,信号中心のメトリクスから人間中心の共鳴評価へのパラダイムシフトを提案する。
CASTER(Community-Aware Assessment of Social Textual Engagement and Resonance)は,UGC項目が視覚的品質のみではなく,マルチモーダル属性に基づいて肯定的なコミュニティ共鳴を達成するかどうかを評価する新しいタスクである。
これを解決するために,MEDEA(Multimodal Engagement-Driven Evaluation Architecture)を紹介し,新しいSocial Chain-of-Thought(Social-CoT)メカニズムを導入する。
従来の論理的CoTとは異なり、Social-CoTは、品質判断を導き出す前に、認知的および感情的反応(すなわち「コミュニティマインド」)をシミュレートするために、多様なビューアーペルソナをインスタンス化するマルチモーダルな視点取りを行う。
MEDEAは、ソーシャルアライメント・リワード(Social Alignment Reward)による教師付き微調整とプロセスによる強化学習を含む2段階のアプローチを通じて訓練され、人間の社会的認知に推論経路が根ざされていることを保証する。
このタスクをサポートするために、さまざまなUGCカテゴリをカバーする包括的な人間アノテーション付きベンチマークであるCASTER-Benchをリリースする。
実験により、MEDEAはCASTER-Benchの最先端のベースラインを著しく上回り、実際のコミュニティのフィードバックに合わせて解釈可能で共感的な推論パスを提供することが示された。
関連論文リスト
- NICE: A Theory-Grounded Diagnostic Benchmark for Social Intelligence of LLMs [18.51325484272099]
大規模言語モデル(LLM)は、感情的な仲間関係やカスタマーサービスといった社会的文脈にますます適用されている。
既存のソーシャルインテリジェンスベンチマークには、社会的能力を統一された構造に整理する統一されたフレームワークが欠如している。
NICEは中国の代表的な文脈を通して運用された137項目の診断ベンチマークである。
論文 参考訳（メタデータ） (2026-05-28T09:51:06Z) - Does Theory of Mind Improvement Really Benefit Human-AI Interactions? Empirical Findings from Interactive Evaluations [80.39504840645687]
既存のベンチマークは、ストーリーを読むことでToMの能力を改善する。
本稿では,視点と距離シフトを両立させた対話型ToM評価のパラダイムを提案する。
この結果から,静的ベンチマークの改善は動的HAIインタラクションの性能向上に必ずしも寄与しないことがわかった。
論文 参考訳（メタデータ） (2026-04-28T15:38:31Z) - SAVOIR: Learning Social Savoir-Faire via Shapley-based Reward Attribution [82.31558282651811]
複雑な対人相互作用をナビゲートするソーシャルインテリジェンスは、言語エージェントに根本的な課題を提示する。
既存のアプローチでは、言語モデルを直接使用してエピソードレベルの報酬を分配する。
協調ゲーム理論に基づく新しい原理的枠組みであるSAVOIRを提案する。
論文 参考訳（メタデータ） (2026-04-21T02:08:25Z) - Modeling Community Attitude through Reaction Tone: A Human-AI Collaborative Framework for Evaluating LLM Alignment with Linguistic Behaviors in Online Communities [18.07597628599252]
大規模言語モデル(LLM)は、計算社会分析のプロキシとしてますます活用されている。
しかし、人間のコミュニティの「細い記述」を忠実に表現する能力は、依然として重要な課題である。
論文 参考訳（メタデータ） (2026-04-12T07:46:12Z) - SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。
Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。
本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
論文 参考訳（メタデータ） (2026-03-17T17:58:44Z) - ToM-SSI: Evaluating Theory of Mind in Situated Social Interactions [17.2191603793837]
ToM-SSIは、社会的相互作用と空間力学に富んだ環境でToM機能をテストするために設計された新しいベンチマークである。
このユニークな設計により、私たちは初めて、複数のエージェントの精神状態の並列性について、協調的・障害物的設定と推論を混合して研究することができる。
論文 参考訳（メタデータ） (2025-09-05T12:58:15Z) - Beyond Benchmark: LLMs Evaluation with an Anthropomorphic and Value-oriented Roadmap [44.608160256874726]
本調査では,人間の知能のレンズを通して人為的評価パラダイムを導入する。
実践的な価値を得るために、経済の生存可能性、社会的影響、倫理的整合性、環境持続可能性を評価する価値指向評価(VQ)フレームワークを開拓した。
論文 参考訳（メタデータ） (2025-08-26T03:43:05Z) - Social Genome: Grounded Social Reasoning Abilities of Multimodal Models [61.88413918026431]
社会的推論能力は、AIシステムが社会的文脈内でのマルチモーダルなヒューマンコミュニケーションと相互作用を解釈し、応答する上で不可欠である。
SOCIAL GENOMEは,マルチモーダルモデルのきめ細かな基礎的な社会的推論能力を示す最初のベンチマークである。
論文 参考訳（メタデータ） (2025-02-21T00:05:40Z) - From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳（メタデータ） (2024-06-12T16:02:28Z) - Training Socially Aligned Language Models on Simulated Social
Interactions [99.39979111807388]
AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。
現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。
本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
論文 参考訳（メタデータ） (2023-05-26T14:17:36Z)
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。