論文の概要: Speech Signals Complement LLMs for Predicting Interpersonal Attraction in Speed Dating

• arxiv url: http://arxiv.org/abs/2607.23037v1
• Date: Sat, 25 Jul 2026 04:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.97209
• Title: Speech Signals Complement LLMs for Predicting Interpersonal Attraction in Speed Dating
• Title（参考訳）: 速度測定における対人トラクション予測のための音声信号補間LLM
• Abstract要約: 大きな言語モデル(LLM)は会話の書き起こしから対人的魅力を予測することができる。 我々は,書き起こしのみのLLMと教師付き音声予測器の予測を組み合わせ,参加者の報告されたパートナーの好みを推定する。 音声は書き起こしのみのLLM予測を補完できるが、この相補性は普遍的ではなく条件的であることを示す。
• 参考スコア（独自算出の注目度）: 7.190838563359576
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models (LLMs) can predict interpersonal attraction from conversation transcripts, but it remains unclear what a speech predictor can add beyond transcript-only LLM prediction. Using Japanese speed-dating conversations, we combine predictions from a transcript-only LLM and a supervised speech predictor to estimate participants' reported liking of their partners. We show that speech can complement transcript-only LLM prediction, but that this complementarity is conditional rather than universal. Combining the two predictions significantly improves pairwise ranking accuracy over the transcript-only LLM alone in all evaluated conditions. By contrast, gains in per-participant Pearson $r$ vary across conversation rounds and rating directions, with none significant after correction. Retrospectively, these $r$ gains are concentrated among participants for whom the speech predictor is more accurate. Speech can therefore retain predictive value even when an LLM predicts attraction from transcripts. The relevant question is not simply whether speech helps, but where its complementarity emerges.
• Abstract（参考訳）: 大規模言語モデル(LLM)は会話の書き起こしから対人アトラクションを予測することができるが、音声予測器が書き起こしのみのLLM予測以外に何を追加することができるのかは不明だ。 日本語の速報会話を用いて,テキストのみのLLMと教師付き音声予測器の予測を組み合わせ,参加者が相手を好んでいることを推定する。 音声は書き起こしのみのLLM予測を補完できるが、この相補性は普遍的ではなく条件的であることを示す。 これら2つの予測を組み合わせることで、すべての評価条件において、書き起こしのみのLLMよりもペアのランキング精度が大幅に向上する。 対照的に、参加者当たりのPearson$r$の利得は、会話のラウンドや評価の方向によって異なるが、修正後に有意な差はない。 振り返ると、これらの$r$利得は、音声予測器がより正確である参加者の間で集中している。 従って、LLMが書き起こしからアトラクションを予測する場合でも、音声は予測値を保持することができる。 関連する問題は、単にスピーチが役に立つかどうかではなく、その相補性がどこから現れるかである。

関連論文リスト

• Evaluating Large Language Models Abilities for Addressee, Turn-change, and Next Speaker Prediction in Meetings [85.35443905857876]
  大規模言語モデル(LLM)を用いたマルチモーダル多人数会話におけるターンテイクの検討 アドレス検出,ターンチェンジ予測,次の話者予測という3つのタスクに対する評価フレームワークを構築した。 我々は、これらのタスク、テキストベースLLM、マルチモーダルLLM(MM-LLM)、およびヒトの被験者を対象に訓練された教師付きモデルを比較した。
  論文  参考訳（メタデータ） (2026-06-16T05:46:44Z)
• ProsodyLM: Uncovering the Emerging Prosody Processing Capabilities in Speech Language Models [70.56468982313834]
  本稿では,韻律学習に適した単純なトークン化方式であるProsodyLMを提案する。 ProsodyLMは事前学習だけで驚くほど多様なプロソディ処理能力を学習できることがわかった。
  論文  参考訳（メタデータ） (2025-07-27T00:59:01Z)
• Evaluating Large language models on Understanding Korean indirect Speech acts [0.6757476692230009]
  本研究は,現在のLLMが発話の意図を,与えられた会話コンテキストを考慮し理解できるかどうかを評価する。 プロプライエタリなモデルは、オープンソースモデルに比べて比較的高いパフォーマンスを示した。 Claude3-Opusを除くほとんどのLLMは間接的音声行為の理解において著しく低い性能を示した。
  論文  参考訳（メタデータ） (2025-02-16T04:59:19Z)
• Frozen Large Language Models Can Perceive Paralinguistic Aspects of Speech [29.847183061204436]
  本研究は、重みを微調整することなく、音声のパラ言語的側面を理解するための大規模言語モデル(LLM)の能力について研究する。 音声エンコーダを用いたエンドツーエンドシステムを用いて,LLMの表現的音声プロンプトに対する応答が意味的に一致するテキストプロンプトに対する応答と一致するように,トークン埋め込みを訓練する。
  論文  参考訳（メタデータ） (2024-10-02T01:32:47Z)
• Can LLMs Understand the Implication of Emphasized Sentences in Dialogue? [64.72966061510375]
  強調は人間のコミュニケーションにおいて重要な要素であり、対話における純粋テキストを超えて話者の意図と含意を示す。 本稿では,強調の意味を抽出した強調注釈付き対話サンプルを用いたベンチマークであるEmphasized-Talkを紹介する。 オープンソースと商用の両方で様々な大規模言語モデル(LLM)を評価し,その性能を重要視して評価する。
  論文  参考訳（メタデータ） (2024-06-16T20:41:44Z)
• Learning to Generate Explainable Stock Predictions using Self-Reflective Large Language Models [54.21695754082441]
  説明可能なストック予測を生成するために,LLM(Large Language Models)を教えるフレームワークを提案する。 反射剤は自己推論によって過去の株価の動きを説明する方法を学ぶ一方、PPOトレーナーは最も可能性の高い説明を生成するためにモデルを訓練する。 我々のフレームワークは従来のディープラーニング法とLLM法の両方を予測精度とマシューズ相関係数で上回ることができる。
  論文  参考訳（メタデータ） (2024-02-06T03:18:58Z)
• Evaluating Gender Bias in Large Language Models via Chain-of-Thought Prompting [87.30837365008931]
  CoT(Chain-of-Thought)プロンプトを備えた大規模言語モデル(LLM)は、計算不能なタスクでも正確なインクリメンタルな予測を行うことができる。 本研究では,LLMのステップバイステップ予測が性差に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2024-01-28T06:50:10Z)
• Boosting Large Language Model for Speech Synthesis: An Empirical Study [86.89548753080432]
  大規模言語モデル(LLM)は自然言語処理において大きな進歩を遂げており、言語能力は音声や視覚など他のモダリティにも拡張されている。 我々は,事前学習したLLM LLaMA/OPTと音声合成モデルVALL-Eを組み合わせることで,LLMの強化と音声生成能力の総合的な実証調査を行う。 テキストエンコーダとしてLLMとVALL-Eを組み合わせることで,LLMとVALL-Eの3つの統合手法を比較した。
  論文  参考訳（メタデータ） (2023-12-30T14:20:04Z)
• What BERT Based Language Models Learn in Spoken Transcripts: An Empirical Study [6.696983725360809]
  言語モデル(LM)は、音声言語理解(SLU)を含む様々なタスクでユビキタスに活用されている。 本研究では、SLUを話者(分散、一時停止、オーバートーク)、チャンネル(会話型、ターンタスク)、ASR(挿入、削除、置換)の3つの代表的な特性に分解することを提案する。 本稿では,BERT に基づく言語モデル (BERT, RoBERTa) を探索し,言語手がかりがない場合に多言語特性を理解する能力について検討する。
  論文  参考訳（メタデータ） (2021-09-19T11:23:50Z)

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。