Fugu-MT 論文翻訳(概要): Dynamic Commonsense Coordination for Empathetic Response Generation

論文の概要: Dynamic Commonsense Coordination for Empathetic Response Generation

arxiv url: http://arxiv.org/abs/2607.22136v1
Date: Fri, 24 Jul 2026 09:30:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 20:58:57.092622
Title: Dynamic Commonsense Coordination for Empathetic Response Generation
Title（参考訳）: 共感応答生成のための動的コモンセンスコーディネーション
Abstract要約: 共感応答生成(ERG)は、ユーザの感情を認識し、共感応答を生成するモデルを必要とする。既存のアプローチは通常、理解と生成をまたいだ固定されたコモンセンス表現を再利用する。 3つの相補的なモジュールを持つ動的コモンセンスコーディネートフレームワークであるDCCを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Empathetic Response Generation (ERG) requires models to recognize users' emotions and generate empathetic responses. Commonsense knowledge has been shown to support such reasoning, yet existing approaches typically reuse fixed commonsense representations across understanding and generation, limiting their ability to coordinate such knowledge across different stages. We propose DCC, a Dynamic Commonsense Coordination Framework with three complementary modules: residual-based commonsense interaction (SCE-AttnRes) to integrate contextual and situational commonsense representations, Association-Guided Commonsense Filtering (AGCF) to down-weight low-relevance commonsense relations, and Iterative Commonsense-Aware Decoding (ICAD) to dynamically retrieve commonsense memories during generation. Experiments on the Empathetic-Dialogues benchmark show that DCC improves emotion classification accuracy and response diversity over the CEM baseline while maintaining comparable perplexity. An LLM-based blind evaluation further demonstrates that DCC generates responses with better relevance, coherence, and informativeness. The code and implementation details will be publicly available at https://github.com/Hanabi-Q/DCC-ERG.
Abstract（参考訳）: 共感応答生成(ERG)は、ユーザの感情を認識し、共感応答を生成するモデルを必要とする。常識知識はそのような推論をサポートすることが示されているが、既存のアプローチは理解と生成にまたがって固定された常識表現を再利用し、異なる段階にまたがる知識を調整できる能力を制限するのが一般的である。我々は,3つの相補的なモジュールを持つ動的コモンセンスコーディネーションフレームワーク DCC を提案する。残差ベースコモンセンスインタラクション (SCE-AttnRes) は,文脈的および状況的コモンセンス表現の統合,アソシエーションガイド付きコモンセンスフィルタリング (AGCF) は低関連コモンセンス関係の低次化,イテレーティブコモンセンス・アウェア・デコーディング (ICAD) は生成中のコモンセンスメモリを動的に取得する。 Empathetic-Dialoguesベンチマークの実験では、DCCはCEMベースライン上での感情分類の精度と応答の多様性を改善しつつ、同等のパープレキシティを維持している。 LLMに基づくブラインド評価は、DCCがより関連性、一貫性、情報性のある応答を生成することを示す。コードと実装の詳細はhttps://github.com/Hanabi-Q/DCC-ERGで公開される。

関連論文リスト

Collaborative Memory Augmentation for Generative Recommendation [49.76630658239287]
我々は、ジェネレーティブ・リコメンデーションのためのcOllaborative MEmory拡張フレームワークであるtextbfOMEGAを提案する。まず、学習可能なクエリトークンを用いて、逐次的ユーザ動作をコンパクトな表現に変換する潜在コンテキスト圧縮手法を提案する。これらの圧縮された表現は、協調的なメモリバンクに集約され、グローバルな行動パターンの明示的なリポジトリとして機能する。
論文参考訳（メタデータ） (2026-08-02T15:34:43Z)
AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。 AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
論文参考訳（メタデータ） (2026-04-14T13:49:19Z)
Turning Semantics into Topology: LLM-Driven Attribute Augmentation for Collaborative Filtering [27.20519975467197]
Topology-Augmented Graph Collaborative Filtering (TAGCF)は、意味的知識をトポロジ接続に変換する新しいフレームワークである。この拡張構造における異種関係を効果的にモデル化するために、適応的関係重み付きグラフ畳み込みを提案する。
論文参考訳（メタデータ） (2026-02-24T17:01:47Z)
Give Users the Wheel: Towards Promptable Recommendation Paradigm [21.39017335979666]
Decoupled Promptable Sequential Recommendation (DPR)は、従来のシーケンシャルバックボーンにPromptable Recommendationをサポートするためのモデルに依存しないフレームワークである。 DPRは、潜在ユーザ表現を検索空間内で直接変調する。プロンプト誘導タスクにおいて、最先端のベースラインを著しく上回る。
論文参考訳（メタデータ） (2026-02-21T18:41:28Z)
Understand Then Memory: A Cognitive Gist-Driven RAG Framework with Global Semantic Diffusion [14.538534837583931]
Retrieval-Augmented Generation (RAG)は、外部知識を取り入れることで、LLMの幻覚を効果的に緩和する。本稿では,認知記憶過程をシミュレートするRAGフレームワークであるCogitoRAGを提案する。 CogitoRAGは最先端のRAG手法よりも優れており、複雑な知識の統合や推論において優れた能力を示している。
論文参考訳（メタデータ） (2026-02-11T12:58:08Z)
Enhancing Retrieval-Augmented Generation with Topic-Enriched Embeddings: A Hybrid Approach Integrating Traditional NLP Techniques [0.0]
本研究は,用語ベースの信号と話題構造を文脈文の埋め込みと統合したトピック強化埋め込みを提案する。項レベルのセマンティクスとトピックレベルのセマンティクスを併用することにより、トピックに富んだ埋め込みはセマンティクスクラスタリングを改善し、検索精度を高め、計算負担を軽減する。
論文参考訳（メタデータ） (2025-12-31T13:43:57Z)
DMA: Online RAG Alignment with Human Feedback [39.62171539147465]
マルチグラニュラリティなヒューマンフィードバックを取り入れたオンライン学習フレームワークであるDynamic Memory Alignment (DMA)を紹介した。 DMAは、ドキュメント、リスト、レスポンスレベルの信号をコヒーレントな学習パイプラインにまとめる。オフラインでは、DMAは競合検索を保ちながら、会話型QAで顕著な利得を得る。
論文参考訳（メタデータ） (2025-11-06T23:51:08Z)
Enhancing Retrieval Augmentation via Adversarial Collaboration [50.117273835877334]
我々は「検索幻覚」に対処するため、Adrial Collaboration RAG(AC-RAG)フレームワークを提案する。 AC-RAGは、知識ギャップを識別するジェネリスト検出器と、正確な解決策を提供するドメイン特化リゾルバという2つの異種エージェントを使用している。実験により、AC-RAGは検索精度を大幅に向上し、様々な垂直領域における最先端RAG法より優れていることが示された。
論文参考訳（メタデータ） (2025-09-18T08:54:20Z)
RefHCM: A Unified Model for Referring Perceptions in Human-Centric Scenarios [60.772871735598706]
RefHCM(Referring Human-Centric Model)は、人間中心の幅広い参照タスクを統合するためのフレームワークである。 RefHCMは、画像、テキスト、座標、パースマップを含む生のマルチモーダルデータをセマンティックトークンに変換するためにシーケンスマージを採用している。この研究は、一般的なフレームワークで人間の知覚を参照しようとする最初の試みである。
論文参考訳（メタデータ） (2024-12-19T08:51:57Z)
CORAL: Benchmarking Multi-turn Conversational Retrieval-Augmentation Generation [68.81271028921647]
我々は,現実的なマルチターン対話環境におけるRAGシステム評価のためのベンチマークであるCORALを紹介する。コラルにはウィキペディアから自動的に派生した多様な情報検索会話が含まれている。対話型RAGの3つの中核的なタスク、すなわち、通過検索、応答生成、および引用ラベリングをサポートする。
論文参考訳（メタデータ） (2024-10-30T15:06:32Z)
Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
論文参考訳（メタデータ） (2024-04-10T13:24:27Z)
PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
論文参考訳（メタデータ） (2023-09-19T08:27:09Z)

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。