論文の概要: Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

• arxiv url: http://arxiv.org/abs/2606.26106v1
• Date: Fri, 01 May 2026 16:22:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.943621
• Title: Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints
• Title（参考訳）: 非暴力的通信制約を伴う大言語モデル対話における会話エスカレーションの低減
• Abstract要約: 大規模言語モデル(LLM)は、対人対立、フラストレーション、苦悩といった感情的な状況において、ますます使われるようになっている。 非暴力的コミュニケーション(NVC)から導かれる軽量なプロンプトレベル制約により、LCMがより非エスカレートな対話行動へ導くことができるかどうかを検討する。 NVCに制約されたプロンプトは、会話のエスカレーションを一貫して低減し、高い抵抗性を持つユーザとの対話を安定させる。
• 参考スコア（独自算出の注目度）: 3.141210160384506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used in emotionally charged situations involving interpersonal conflict, frustration, and distress. While prior safety research has focused on preventing explicit harms such as toxic or policy-violating content, less attention has been paid to conversational behaviors that may unintentionally escalate conflict. In this paper, we investigate whether LLMs can be guided toward more de-escalating dialogue behavior through lightweight prompt-level constraints derived from Nonviolent Communication (NVC). We reformulate NVC principles as process-oriented guidelines that discourage blame attribution, emphasize attention to users' emotional experiences, and encourage clarification before advice. Using a dual-agent simulation framework across multiple instruction-tuned models and user resistance levels, we show that NVC-constrained prompting consistently reduces conversational escalation and stabilizes interactions with highly resistant users. These results suggest that simple communication constraints can meaningfully improve the trustworthiness of LLM dialogue in conflict-prone settings.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、対人対立、フラストレーション、苦悩といった感情的な状況において、ますます使われるようになっている。 以前の安全研究は、有害なコンテンツやポリシーに違反するコンテンツなどの明白な害を防ぐことに重点を置いているが、意図せず紛争をエスカレートする可能性のある会話行動にはあまり注意が払われていない。 本稿では,非暴力通信(NVC)から導かれる軽量なプロンプトレベル制約により,LLMを対話行動の非エスカレートに導くことができるかどうかを検討する。 我々は,NVCの原則をプロセス指向のガイドラインとして再構築し,批判の帰属を回避し,ユーザの感情的体験に注意を向け,アドバイスよりも明確化を奨励する。 複数の命令調整モデルとユーザ抵抗レベルにまたがるデュアルエージェント・シミュレーション・フレームワークを用いて,NVCに制約されたプロンプトが会話のエスカレーションを一貫して低減し,高い抵抗性を持つユーザとの対話を安定化させることを示す。 これらの結果から, 単純な通信制約は, 競合が発生しやすい環境下でのLLM対話の信頼性を向上する可能性が示唆された。

関連論文リスト

• Still Between Us? Evaluating and Improving Voice Assistant Robustness to Third-Party Interruptions [52.45054413627452]
  TPI-Trainは、話者認識型ハードネガティブで設計された88Kインスタンスのデータセットで、割り込み処理のための音響キュー優先順位付けを強制する。 TPI-Benchは、割り込み処理戦略を厳格に測定するために設計された総合的な評価フレームワークである。
  論文  参考訳（メタデータ） (2026-04-19T10:03:42Z)
• When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
  私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。 BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。 我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
  論文  参考訳（メタデータ） (2026-03-20T14:46:59Z)
• Intent Mismatch Causes LLMs to Get Lost in Multi-Turn Conversation [26.91734024759386]
  根本原因は本質的な能力不足というよりも,意図的なアライメントギャップにある,と我々は主張する。 本稿では,Mediator-Assistantアーキテクチャによるタスク実行から意図的理解を分離することを提案する。
  論文  参考訳（メタデータ） (2026-02-07T03:41:04Z)
• ICPO: Illocution-Calibrated Policy Optimization for Multi-Turn Conversation [21.69212076688903]
  マルチターン会話におけるLarge Language Models (LLM) は、しばしば会話中に失われる現象に悩まされる。 Reinforcement Learning with Verifiable Rewards (RLVR)のような標準のポストトレーニング技術がこの問題を悪化させることに気付きました。 Illocution-Calibrated Policy Optimization (ICPO) を提案する。
  論文  参考訳（メタデータ） (2026-01-20T04:39:28Z)
• ACR: Adaptive Context Refactoring via Context Refactoring Operators for Multi-Turn Dialogue [16.32928730900186]
  大規模言語モデル(LLM)はマルチターン対話において顕著な性能を示した。 既存のアプローチは主にコンテキストウィンドウの拡張、外部メモリの導入、コンテキスト圧縮の適用に焦点を当てている。 textbfAdaptive textbfContext textbfRefactoring textbf(ACR) Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-01-09T07:17:28Z)
• Context-aware Fairness Evaluation and Mitigation in LLMs [16.594400974742523]
  大きな言語モデルは、しばしばその内部表現に埋め込まれた望ましくない振る舞いを示す。 プルーニングベースの手法は、特定の行動に責任があるニューロンを調整することでバイアスを減らす柔軟で透明な方法を提供する。 本研究では,文脈認識ニューロンの活性化を検知する動的で可逆的なプルーニングに基づくフレームワークを提案し,アダプティブマスキングを適用して生成時の影響を調節する。
  論文  参考訳（メタデータ） (2025-10-21T06:13:17Z)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• Sibyl: Empowering Empathetic Dialogue Generation in Large Language Models via Sensible and Visionary Commonsense Inference [40.96005200292604]
  感性とビジョンコモンセンス知識(Sibyl)という革新的な枠組みを提示する。 それは、より共感的な反応を引き出すことを目的として、すぐに続く対話に集中するように設計されている。 実験結果から,LLMにコモンセンス知識を習得するためのパラダイムを取り入れることで,その応答の質を総合的に向上することが示された。
  論文  参考訳（メタデータ） (2023-11-26T14:35:23Z)
• DRESS: Instructing Large Vision-Language Models to Align and Interact with Humans via Natural Language Feedback [61.28463542324576]
  本稿では,大規模言語モデルから自然言語フィードバック(NLF)を革新的に活用する大規模視覚言語モデル(LVLM)であるDRESSを紹介する。 我々は,NLFの新たな分類法を2つの重要なタイプに分類する。 実験の結果、DRESSはより有用な(9.76%)、正直な(11.52%)、無害な(21.03%)を生成できることが示された。
  論文  参考訳（メタデータ） (2023-11-16T18:37:29Z)
• Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
  混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。 エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。 標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。 代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
  論文  参考訳（メタデータ） (2023-05-06T23:11:25Z)
• Will I Sound Like Me? Improving Persona Consistency in Dialogues through Pragmatic Self-Consciousness [62.55060760615656]
  一貫性に対処する最近のモデルは、しばしば追加の自然言語推論(NLI)ラベルでトレーニングするか、あるいは一貫性を維持するためにトレーニングされた追加モジュールを生成エージェントにアタッチする。 社会的認知と実用性に触発されて、私たちは既存の対話エージェントに、想像上のリスナーを通して、公的な自己意識を持たせました。 我々のアプローチは、Rational Speech Actsフレームワークに基づいて、会話エージェントに矛盾の発声を控えるように強制することができる。
  論文  参考訳（メタデータ） (2020-04-13T08:16:16Z)

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。