論文の概要: TA-RAG: Tone-Aware Retrieval-Augmented Generation for Peer-Support Health Communication

• arxiv url: http://arxiv.org/abs/2606.06794v1
• Date: Fri, 05 Jun 2026 00:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.492311
• Title: TA-RAG: Tone-Aware Retrieval-Augmented Generation for Peer-Support Health Communication
• Title（参考訳）: TA-RAG:Peer-Supportヘルスコミュニケーションのためのトーン対応検索型ジェネレーション
• Authors: Yong-Bin Kang, Anthony McCosker,
• Abstract要約: 本稿では, TA-RAGを提案する。TA-RAGは, モデル微調整を必要とせず, 明示的なトーン制御をRAGパイプラインに組み込むプロンプトベースのRAGフレームワークである。 我々は、スティグマフリーリライト、可読性調整、受信適応、共感表現の4つのコアコンポーネントでトーンを運用する。 その結果,TA-RAGのコンポーネントは,キーコンテンツを保持しながら通信品質を向上することがわかった。
• 参考スコア（独自算出の注目度）: 2.0304958287672448
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Retrieval-augmented generation (RAG) successfully grounds large language model (LLM) outputs in trusted documents, but factual grounding alone is insufficient for sensitive peer-support health communication. In domains such as HIV peer support, responses must also be accessible, stigma-free, empathetic, and tailored to the recipient. This paper presents TA-RAG, a lightweight, prompt-based tone-aware RAG framework that embeds explicit tone control into a RAG pipeline without requiring model fine-tuning. We operationalise tone across four core components: stigma-free rewriting, readability adjustment, recipient adaptation, and empathy rephrasing. We evaluate TA-RAG through component-level tests using questions derived from HIV Online Learning Australia (HOLA), UNAIDS terminology guidance, readability metrics, peer-support standards from National Association of People with HIV Australia (NAPWHA), and a public empathy dataset. Results show that the TA-RAG's components improve their targeted communication quality while preserving key content. These findings emphasise that prompt-based tone control is a potential direction for making RAG outputs suitable for sensitive peer-support health communication.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG) は、信頼できる文書に大規模言語モデル(LLM)出力を基礎付けることに成功したが、実際的な根拠だけでは、機密性のあるピアサポート型健康コミュニケーションには不十分である。 HIVピアサポートのようなドメインでは、応答もアクセス可能で、スティグマフリーで、共感的で、受信者に合わせて調整されなければならない。 本稿では, TA-RAGについて述べる。TA-RAGは, モデル微調整を必要とせず, 明示的なトーン制御をRAGパイプラインに組み込む軽量でプロンプトベースのRAGフレームワークである。 我々は、スティグマフリーリライト、可読性調整、受信適応、共感表現の4つのコアコンポーネントでトーンを運用する。 我々は、HIV Online Learning Australia (HOLA)、UNAIDS用語ガイダンス、可読性指標、National Association of People with HIV Australia (NAPWHA)からのピアサポート標準、および一般の共感データセットを用いて、コンポーネントレベルのテストを通じてTA-RAGを評価する。 その結果, TA-RAGのコンポーネントは, キーコンテンツを保持しながら, 通信品質の向上を図っている。 これらの知見は、アクシデントベースのトーンコントロールがRAG出力をセンシティブなピアサポート型健康コミュニケーションに適したものにするための潜在的方向性であることを強調している。

関連論文リスト

• When Evidence Contradicts: Toward Safer Retrieval-Augmented Generation in Healthcare [0.05249805590164902]
  本研究では,医学関連クエリに対する応答生成における5つの大規模言語モデル(LLM)の性能について検討する。 以上の結果から,非常に類似した抽象概念間の矛盾は,実際に性能を低下させ,不整合を招き,モデル解答の事実的精度を低下させることが示された。
  論文  参考訳（メタデータ） (2025-11-10T03:27:54Z)
• Evaluating the Robustness of Retrieval-Augmented Generation to Adversarial Evidence in the Health Domain [8.094811345546118]
  Retrieval augmented generation (RAG) システムは、検索された証拠や文脈を支援として提供することにより、Large Language Model (LLM) の応答を現実的に根拠付ける方法を提供する。 LLMは、回収された証拠に存在する誤報を吸収し、再生する。 この問題は、抽出された証拠が、誤報を公布することを明示的に意図した敵対的な材料を含むと拡大される。
  論文  参考訳（メタデータ） (2025-09-04T00:45:58Z)
• Towards a rigorous evaluation of RAG systems: the challenge of due diligence [39.577682622066256]
  生成的AIの台頭は、医療や金融といったリスクの高い分野に大きな進歩をもたらした。 Retrieval-Augmented Generation (RAG)アーキテクチャは、言語モデル(LLM)と検索エンジンを組み合わせたもので、特に文書コーパスから応答を生成する能力で有名である。 本研究では、投資ファンドのデューディリジェンスに使用されるRAGシステムを評価する。
  論文  参考訳（メタデータ） (2025-07-29T12:33:16Z)
• Towards Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations [39.31175048498422]
  本研究では,声質評価ネットワーク (VOQANet) を提案する。 また,低レベル音声記述子であるjitter,shimmer,haronics-to-noise ratio(HNR)とSFMをハイブリッド表現に組み込んだVOQANet+を導入する。 以上の結果から,特に患者レベルでの母音による入力は,音声属性を抽出する発話の長大さに優れることがわかった。
  論文  参考訳（メタデータ） (2025-05-27T15:48:17Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Certifiably Robust RAG against Retrieval Corruption [58.677292678310934]
  Retrieval-augmented Generation (RAG) は、回復汚職攻撃に弱いことが示されている。 本稿では,ロバストRAGを検索汚職攻撃に対する最初の防御フレームワークとして提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:44:25Z)
• UNIT-DSR: Dysarthric Speech Reconstruction System Using Speech Unit Normalization [60.43992089087448]
  変形性音声再構成システムは、変形性音声を正常な音声に変換することを目的としている。 本稿では,HuBERTのドメイン適応能力を活用して学習効率を向上させるユニットDSRシステムを提案する。 NEDアプローチと比較すると、ユニットDSRシステムは音声単位正規化器とユニットHiFi-GANボコーダのみで構成されている。
  論文  参考訳（メタデータ） (2024-01-26T06:08:47Z)
• ARES: An Automated Evaluation Framework for Retrieval-Augmented Generation Systems [46.522527144802076]
  本稿では,RAGシステム評価のための自動RAG評価システムであるARESを紹介する。 ARESは軽量LM判定器を微調整し、個々のRAG成分の品質を評価する。 コードとデータセットをGithubで公開しています。
  論文  参考訳（メタデータ） (2023-11-16T00:39:39Z)
• A Controllable Model of Grounded Response Generation [122.7121624884747]
  現在のエンドツーエンドのニューラルネットワークモデルは、応答生成プロセスにセマンティックコントロールを課す柔軟性を本質的に欠いている。 我々は制御可能な接地応答生成(CGRG)と呼ばれるフレームワークを提案する。 このフレームワークを用いることで、会話のようなRedditデータセットでトレーニングされた、新しいインダクティブアテンション機構を備えたトランスフォーマーベースのモデルが、強力な生成ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2020-05-01T21:22:08Z)

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。