論文の概要: SocialCoach: Personalized Social Skill Learning with RL-based Agentic Tutoring and Practice

• arxiv url: http://arxiv.org/abs/2606.04155v1
• Date: Tue, 02 Jun 2026 19:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.340161
• Title: SocialCoach: Personalized Social Skill Learning with RL-based Agentic Tutoring and Practice
• Title（参考訳）: SocialCoach: RLベースのエージェントチューニングと実践によるソーシャルスキルの個人化
• Authors: Tianfu Wang, Max Xiong, Jianxun Lian, Hongyuan Zhu, Zhengyu Hu, Yuxuan Lei, Linxiao Gong, Xiaofang Li, Peiting Tsai, Nicholas Jing Yuan, Qi Zhang,
• Abstract要約: 交渉やリーダーシップといった社会的スキルは、今日の相互接続された世界での個人的および専門的な成功に不可欠である。 SocialCoachは、大規模にパーソナライズされたソーシャルスキル開発のための総合的なLLMによるエージェント・チューリングシステムである。
• 参考スコア（独自算出の注目度）: 32.96627825091718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social skills such as negotiation and leadership are crucial for personal and professional success in today's interconnected world. However, scalable and effective training remains a significant challenge due to the scarcity of expert coaching. In this paper, we introduce SocialCoach, a holistic LLM-powered agentic tutoring system for personalized social skill development at scale. First, SocialCoach automatically constructs a pedagogically-grounded, theory-to-practice knowledge corpus from diverse expert sources, leveraging a multi-agent pipeline. Second, to personalize the learning journey, it employs an adaptive practice scheduling module that follows a prescription-retrieval-adaptation process. To maximize the long-term learning experience while overcoming the cold-start problem, this policy is optimized within a learner simulation environment through reinforcement learning. Finally, SocialCoach integrates immersive, goal-driven practice, causality-driven proficiency assessment and knowledge-grounded, reflective tutoring to help address the knowing-doing gap. We deploy it in our product, EQoach, and conduct extensive experiments. The results show that SocialCoach improves simulated pathway quality and judge-rated tutoring quality over baseline approaches, while early user feedback indicates strong perceived engagement and usefulness. These findings suggest a practical architecture for personalized and gamified pedagogical platforms on soft skill learning.
• Abstract（参考訳）: 交渉やリーダーシップといった社会的スキルは、今日の相互接続された世界での個人的および専門的な成功に不可欠である。 しかし、専門家のコーチングが不足しているため、スケーラブルで効果的なトレーニングは依然として重要な課題である。 本稿では,総合的なLLMによるエージェント学習システムであるSocialCoachを紹介し,大規模にパーソナライズされたソーシャルスキル開発を実現する。 第一に、SocialCoachは、多エージェントパイプラインを活用することにより、さまざまな専門家ソースから、台頭した理論から実践的な知識コーパスを自動構築する。 第二に、学習ジャーニーをパーソナライズするために、処方・検索・適応プロセスに従う適応的な練習スケジューリングモジュールを使用する。 コールドスタート問題を克服しつつ、長期学習経験を最大化するために、このポリシーは強化学習を通して学習者のシミュレーション環境内で最適化される。 最後に、SocialCoachは没入型、ゴール駆動型プラクティス、因果性駆動型熟練度アセスメント、知識基底型、反射型チューターを統合して、ノウハウのギャップに対処する。 当社の製品であるEQoachにデプロイし、広範な実験を行っています。 その結果、SocialCoachはベースラインアプローチよりもシミュレートされたパス品質と判断基準の学習品質を向上し、初期のユーザフィードバックは強いエンゲージメントと有用性を示していることがわかった。 これらの結果から,ソフトスキル学習における個人化・ゲーミフィケーション型教育プラットフォームのための実践的アーキテクチャが示唆された。

関連論文リスト

• MARO: Learning Stronger Reasoning from Social Interaction [7.77506109184819]
  マルチエージェント・リワード最適化(Multi-Agent Reward Optimization、MARO)は、大規模言語モデルがより強力な推論能力を得ることを可能にする手法である。 実験の結果,MAROは社会的推論能力を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2026-01-18T09:10:08Z)
• Social Skill Training with Large Language Models [65.40795606463101]
  人々は紛争解決のような社会的スキルに頼り、効果的にコミュニケーションし、仕事と個人の生活の両方で繁栄する。 本稿では,専門分野に進出する上での社会的スキルの障壁を明らかにする。 本稿では,大規模言語モデルを用いた総合的なフレームワークによるソーシャルスキルトレーニングのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-04-05T16:29:58Z)
• RLIF: Interactive Imitation Learning as Reinforcement Learning [56.997263135104504]
  我々は,対話型模倣学習と類似するが,さらに実践的な仮定の下で,非政治強化学習によってパフォーマンスが向上できることを実証する。 提案手法は,ユーザ介入信号を用いた強化学習を報奨として利用する。 このことは、インタラクティブな模倣学習において介入する専門家がほぼ最適であるべきだという仮定を緩和し、アルゴリズムが潜在的に最適でない人間の専門家よりも改善される行動を学ぶことを可能にする。
  論文  参考訳（メタデータ） (2023-11-21T21:05:21Z)
• 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)
• Social learning spontaneously emerges by searching optimal heuristics with deep reinforcement learning [0.0]
  多次元ランドスケープにおける協調ゲームにおけるエージェントの社会的学習戦略を最適化するために、深層強化学習モデルを用いる。 エージェントは、コピー、頻繁で良好な隣人への焦点、自己比較、個人と社会学習のバランスの重要性など、社会的学習の様々な概念を自発的に学習する。 本研究では,時間的に変化する環境や実際のソーシャルネットワークなど,各種環境における強化学習エージェントの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-04-26T15:10:27Z)
• Emergent Social Learning via Multi-agent Reinforcement Learning [91.57176641192771]
  社会学習は、人間と動物の知性の重要な構成要素である。 本稿では,独立系強化学習エージェントが,社会的学習を用いてパフォーマンスを向上させることを学べるかどうかを検討する。
  論文  参考訳（メタデータ） (2020-10-01T17:54:14Z)

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。