論文の概要: Beyond Individual Personas: Aligning Synthetic Dialogue to Population-Level Behavior Distributions

• arxiv url: http://arxiv.org/abs/2606.07893v1
• Date: Fri, 05 Jun 2026 23:03:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.516644
• Title: Beyond Individual Personas: Aligning Synthetic Dialogue to Population-Level Behavior Distributions
• Title（参考訳）: 個人を超えて:集団レベルの行動分布に対する合成対話の調整
• Authors: Xinyi Liu, Rinat Khaziev, Hooshang Nayyeri, Emine Yilmaz, Charith Peris, Hari Thadakamalla,
• Abstract要約: GroupPersonaは、合成対話コーパスを参照コーパスの振る舞い分布に合わせるフレームワークである。 それぞれの対話の中核的な行動シグネチャを予測可能な副作用から切り離し、結果として生じる行動グループを使用して、参照人口を定義するインタラクションパターンにユーザエージェントを条件付ける。
• 参考スコア（独自算出の注目度）: 21.099809383806598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic dialogue corpora are increasingly used as proxies for target dialogue data, yet persona-grounded generators optimize individual conversations rather than corpus composition, yielding locally plausible dialogues with distorted population-level behavior mixes. We introduce GroupPersona, a framework that aligns synthetic dialogue corpora to the behavior distribution of a reference corpus. GroupPersona turns population statistics into generation controls: it separates each dialogue's core behavioral signature from predictable side effects, and uses the resulting behavioral groups to condition user agents on the interaction patterns that define the reference population. We evaluate GroupPersona on four corpora crossing two dialogue sources, assistant-style and Reddit-derived, with two construction variants: structure-preserving and variation-enhanced. GroupPersona lowers Jensen-Shannon divergence between synthetic and reference distributions over 12 behavior attributes from 0.234 to 0.177 relative to the strongest average baseline, a 24.4% reduction, and is best or tied-best on all four corpora while preserving structural alignment. It also achieves the closest calibration to reference-conversation quality scores, reducing mean absolute deviation from the reference-conversation profile to 0.63 versus 0.91 for the next-best baseline.
• Abstract（参考訳）: 合成対話コーパスは、ターゲット対話データのためのプロキシとして使われることが多いが、ペルソナグラウンドのジェネレータは、コーパスの構成よりも個々の会話を最適化し、ゆがんだ集団レベルの振る舞いの混合を伴う局所的にもっともらしい対話を生成する。 本稿では,合成対話コーパスを参照コーパスの動作分布に整合させるフレームワークであるGroupPersonaを紹介する。 グループペルソナは人口統計を世代制御に変換する: それぞれの対話の中核となる行動シグネチャを予測可能な副作用から切り離し、結果として生じる行動群を使用して、参照人口を定義するインタラクションパターンにユーザエージェントを条件付ける。 我々は,グループペルソナを2つの対話源,アシスタントスタイルとReddit起源の4つのコーパスで評価した。 グループペルソナは、最大平均ベースラインに対して0.234から0.177までの12の挙動特性の合成と参照の分布間のジェンセン=シャノンのばらつきを減少させ、構造的アライメントを維持しつつ、4つのコーパスで最高または最良である。 また、参照会話品質スコアに最も近いキャリブレーションを達成し、参照会話プロファイルからの平均絶対偏差を0.63対0.91に減らした。

関連論文リスト

• Mimetic Alignment with ASPECT: Evaluation of AI-inferred Personal Profiles [9.797234412839304]
  本研究では,職場データからの行動証拠に対して,検証済みのコミュニケーション尺度から構成物を評価するパイプラインであるASPECTを提案する。 ASPECT生成プロファイルは、自己評価と適度に一致し、ASPECT生成応答は、ジェネリックおよび自己報告ベースラインよりも好まれた。 検査可能な、個別にスコープ化されたコミュニケーションプロファイルを構築することの意味について論じる。
  論文  参考訳（メタデータ） (2026-03-27T18:55:44Z)
• Learning Human-Object Interaction as Groups [52.28258599873394]
  GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。 これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-21T07:25:10Z)
• Navigating the Synchrony-Stability Frontier in Adaptive Chatbots [0.0]
  コア設計の緊張を明示する計算評価フレームワークを提案する。 人間のログデータセットに対する明示的な適応ポリシーをシミュレートし比較する。 限定されたポリシーは、同期に控えめなコストで、安定性の大幅な向上を実現している。 我々は、フロンティアポリシーが命令のチャーンを減らし、ジャリングレジスタのフリップを減らしたことを示す「素早い正当性」を定量化する。
  論文  参考訳（メタデータ） (2025-09-30T22:50:30Z)
• Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems [103.416202777731]
  我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。 我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2023-10-08T21:03:18Z)
• Improving Personality Consistency in Conversation by Persona Extending [22.124187337032946]
  本稿では,Persona Retrieval Model(PRM)とPosterior-Scored Transformer(PS-Transformer)の2つのサブコンポーネントからなる新しい検索・予測パラダイムを提案する。 提案モデルでは,自動測定と人的評価の両面で大幅に改善されている。
  論文  参考訳（メタデータ） (2022-08-23T09:00:58Z)
• Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset [17.403065663306567]
  我々は、ペルソナ条件の対話エージェントを改善するために、データ中心のアプローチを導入する。 具体的には,2つのタスクの原始的双対構造を活用することで,対話データセット/エージェントを改善するための関連するペルソナを強化する。 Persona-Chat の実験により,本手法は訓練済みの LM よりも精度が 11.7 ポイント向上していることが示された。
  論文  参考訳（メタデータ） (2022-02-11T04:08:46Z)
• Joint Turn and Dialogue level User Satisfaction Estimation on Multi-Domain Conversations [6.129731338249762]
  ターンレベルと対話レベルのユーザ満足度を推定する現在の自動化手法は手作りの機能を採用している。 適応型マルチタスク損失関数を最小化する新しいユーザ満足度推定手法を提案する。 BiLSTMベースのディープニューラルネットワークモデルは、推定された対話レベル評価に対する各ターンのコントリビューションを自動的に評価する。
  論文  参考訳（メタデータ） (2020-10-06T05:53:13Z)
• Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
  ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。 我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。 我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-15T10:50:05Z)
• Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
  スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。 コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-17T21:02:40Z)

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。