論文の概要: Don't Wait to Reply: Towards Responsive yet Thoughtful Dialogue through Proactive Thinking

• arxiv url: http://arxiv.org/abs/2607.03093v1
• Date: Fri, 03 Jul 2026 08:24:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.517965
• Title: Don't Wait to Reply: Towards Responsive yet Thoughtful Dialogue through Proactive Thinking
• Title（参考訳）: 反省するな - 積極的思考による反感的かつ思慮深い対話を目指して
• Abstract要約: 複雑なタスクに対処する大規模言語モデルにとって、思考は重要な能力として現れました。 本稿では,会話のダウンタイム中にモデルが潜在的な応答要素を事前計算することを可能にするフレームワークであるProactive Thinkingを提案する。 積極的思考は、性能を損なうことなく、相互作用効率を効果的に向上することを示した。
• 参考スコア（独自算出の注目度）: 42.788336763990316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thinking has emerged as a critical capability for Large Language Models (LLMs) tackling complex tasks. However, its reactive nature, where reasoning is passively triggered only upon receiving a user response, inevitably introduces latency that compromises conversational fluidity. This stands in sharp contrast to human dialogue, where speakers proactively anticipate and plan future content during natural pauses to ensure seamless interaction. To bridge this gap, we propose Proactive Thinking, a framework that empowers models to pre-compute potential response elements during conversational downtime instead of waiting idly for the next input. We then introduce a training-free baseline that can think ahead by anticipating future states, balancing efficiency and quality through speculative continual thinking. To evaluate this approach in practice, we adapt three benchmarks of varying complexity into time-aware environments that simulate real-time conversational flow. We demonstrate that proactive thinking effectively improves interaction efficiency without compromising performance. Ultimately, this work advocates for a fundamental shift toward more intelligent, anticipatory, and real-time conversational AI.
• Abstract（参考訳）: 複雑なタスクに対処する大規模言語モデル(LLM)にとって、思考は重要な能力として現れました。 しかしながら、ユーザ応答の受信時にのみ推論が受動的にトリガーされるリアクティブな性質は、会話の流動性を損なうレイテンシを必然的に導入する。 これは、人間の対話とは明らかに対照的であり、スピーカーは自然の停止中に、シームレスな対話を保証するために、将来的なコンテンツを積極的に予測し、計画する。 このギャップを埋めるため,次の入力を待つのではなく,会話のダウンタイム中にモデルが潜在的応答要素を事前計算することを可能にするフレームワークであるProactive Thinkingを提案する。 次に、将来の状態を予測し、投機的連続的な思考を通じて効率と品質のバランスをとることにより、先進的なトレーニングフリーベースラインを導入する。 このアプローチを実際に評価するために、リアルタイムの会話の流れをシミュレートする時間認識環境に、複雑さの異なる3つのベンチマークを適用する。 積極的思考は、性能を損なうことなく、相互作用効率を効果的に向上することを示した。 最終的にこの研究は、よりインテリジェントで予測的でリアルタイムな会話型AIへの根本的なシフトを提唱している。

関連論文リスト

• The Silent Thought: Modeling Internal Cognition in Full-Duplex Spoken Dialogue Models via Latent Reasoning [76.96796481909581]
  内部認知処理は高品質な応答の定式化に役立っている。 本稿では,音声認識と同時に潜在的思考を行うFLAIRという新しい手法を提案する。 我々のアプローチは音声対話システムとシームレスに一致している。
  論文  参考訳（メタデータ） (2026-03-18T15:30:29Z)
• Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
  時系列思考は、完全なSDLMの応答品質を改善することを目的としている。 追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。 結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-10-02T10:28:11Z)
• Proactive Conversational Agents with Inner Thoughts [42.34140072445951]
  会話型AIにおける長年の願望の1つは、会話において自律的にイニシアティブ、すなわち積極的に行動できるようにすることである。 以前のNLP研究は、主に前の会話のような文脈から次の話者を予測することに焦点を当てていた。 我々は、人間と同じように、単にターンテイクの手がかりに反応するのではなく、プロアクティブなAIが会話中に自身の内的思考を定式化し、貢献する適切な瞬間を求めることを提案する。
  論文  参考訳（メタデータ） (2024-12-31T10:41:56Z)
• Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems [55.99999020778169]
  本稿では,次の単語を予測し,発話終了まで残される時間を推定する機能について検討する。 我々は,音響情報と言語情報の両方を組み込んだクロスアテンションに基づくアルゴリズムを開発した。 その結果,提案モデルでは,提案する単語を予測し,将来のEOUイベントを実際のEOUより300ミリ秒前まで推定する能力を示した。
  論文  参考訳（メタデータ） (2024-09-30T06:29:58Z)
• Interacting with Non-Cooperative User: A New Paradigm for Proactive Dialogue Policy [83.61404191470126]
  インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。 具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。 実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-04-07T14:11:31Z)

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。