論文の概要: Dynamic In-Group Persona Generation for Enhancing Human-AI Rapport

• arxiv url: http://arxiv.org/abs/2606.18256v1
• Date: Tue, 05 May 2026 07:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.909836
• Title: Dynamic In-Group Persona Generation for Enhancing Human-AI Rapport
• Title（参考訳）: 動的グループ内ペルソナ生成による人間-AIラプポートの強化
• Abstract要約: グループ内ペルソナを用いたLCMの条件付け手法を提案する。 我々は,グループ内ペルソナエージェントの有効性を体系的に評価するために,人為的な研究を行う。 その結果, グループ内ペルソナエージェントは, ユーザ体験とラプポートの認知と個人的関連性を, ベースラインと比較して有意に改善することがわかった。
• 参考スコア（独自算出の注目度）: 20.09747539842774
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-based chatbots are increasingly applied in interpersonal domains such as counseling and peer support, where establishing human-AI rapport is crucial yet remains challenging. In this work, we introduce a novel approach for conditioning LLMs with in-group personas, which (i) first identifies a user's primary concern and brief personal context (e.g., a computer science undergraduate worried about future career prospects), and (ii) generates a synthetic in-group persona that shares a similar primary concern while differing in background and narrative details, such as age or profession (e.g., a junior researcher at an AI startup). Furthermore, we conduct a human-subject study to systematically evaluate the effectiveness of in-group persona agents in enhancing human-AI rapport. We compare our approach against two baseline conditions: a conventional agent without persona conditioning and an agent exhibiting minimal self-disclosure (e.g., "I've felt that too"). Results from post-task questionnaires assessing rapport and user experience indicate that the in-group persona agent significantly improves perceived rapport and personal relevance compared to the baselines, and also yields more positive user experience-most notably higher engagement.
• Abstract（参考訳）: LLMベースのチャットボットは、カウンセリングやピアサポートといった対人関係の分野にますます適用されてきている。 本研究では,グループ内ペルソナを用いたLCMの条件付け手法を提案する。 (i)まず、ユーザの第一の関心事と簡単な個人的状況(例えば、コンピュータサイエンスの学部生が将来のキャリアの見通しを心配するなど)を特定し、 (II) 年齢や職業(例えば、AIスタートアップのジュニア研究者)など、背景や物語の詳細を異にしながら、同様の関心事を共有する合成グループ内ペルソナを生成する。 さらに,本研究は,AIラプポートの強化において,グループ内ペルソナエージェントの有効性を体系的に評価する。 従来のペルソナ条件のないエージェントと、最小限の自己開示を示すエージェント(例えば、私もそう感じた)の2つの基本条件に対するアプローチを比較した。 その結果, グループ内ペルソナエージェントは, ベースラインと比べ, 認識と個人的関連性が有意に向上し, ユーザ体験がより肯定的になり, とくにエンゲージメントが向上することが示唆された。

関連論文リスト

• HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation [54.200005792928344]
  本稿では,人やエージェントを明示的な役割,許可,コミュニケーションパス,行動権限を持つ一級参加者として表現するグラフベースのフレームワークを提案する。 この枠組みに基づいて、HAS-Benchは人間-エージェントシステムを評価する。 6つの領域にわたる実験では、人間の参加はタスクの完了と障害回復を大幅に改善できるが、利得は、いつ、どのように、そして、誰が人間の入力を行うかによって異なる。
  論文  参考訳（メタデータ） (2026-07-05T14:23:27Z)
• Inclusive AI for Group Interactions: Predicting Gaze-Direction Behaviors in People with Intellectual and Developmental Disabilities [2.840323898514074]
  この研究は、アイコンタクト検出の課題に対処することで、包括的AIへの一歩を踏み出す。 まず、新しいデータセット、MIDD(Multi-party Interaction with Intellectual and Developmental Disabilities)を導入し、非定型的な視線とエンゲージメントパターンをキャプチャする。 第2に,クラス不均衡,発話活動,視線分布,相互作用ダイナミクスの相違に着目し,ニューロタイプデータセットとの比較分析の結果を示す。
  論文  参考訳（メタデータ） (2026-03-15T16:10:31Z)
• 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)
• The Social Laboratory: A Psychometric Framework for Multi-Agent LLM Evaluation [0.16921396880325779]
  マルチエージェント討論を制御された「社会実験室」として活用する新しい評価枠組みを導入する。 特に認知活動において、割り当てられたペルソナが安定した、測定可能な心理測定プロファイルを誘導することを示す。 この研究は、動的、心理学的に基礎付けられた評価プロトコルの新しいクラスの青写真を提供する。
  論文  参考訳（メタデータ） (2025-10-01T07:10:28Z)
• Model Cards for AI Teammates: Comparing Human-AI Team Familiarization Methods for High-Stakes Environments [0.0]
  人工知能チームメイトと人間を親しむ3つの方法が研究された。 エージェントに関する最も重要な情報は、その決定アルゴリズムの詳細と、人間と比較して相対的な強度と弱さを含んでいた。 我々は、AIドキュメント、構造化されたインサイトトレーニング、探索的インタラクションを組み合わせた人間-AIチームの身近化手法を推奨する。
  論文  参考訳（メタデータ） (2025-05-19T23:19:16Z)
• Reasoning LLMs for User-Aware Multimodal Conversational Agents [3.533721662684487]
  社会ロボティクスにおけるパーソナライゼーションは、効果的な人間とロボットの相互作用を促進するために重要である。 本稿では,ユーザ認識型対話エージェントのための新しいフレームワークUSER-LLM R1を提案する。 提案手法では,チェーン・オブ・シンク(CoT)推論モデルを統合し,ユーザの好みや視覚言語モデルを反復的に推測する。
  論文  参考訳（メタデータ） (2025-04-02T13:00:17Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• 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)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。