論文の概要: Contextualized Counterspeech Can Be More Persuasive Than Generic Counterspeech

• arxiv url: http://arxiv.org/abs/2607.26236v1
• Date: Tue, 28 Jul 2026 20:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.464807
• Title: Contextualized Counterspeech Can Be More Persuasive Than Generic Counterspeech
• Title（参考訳）: コンテクスト化されたカウンター音声は、ジェネリックなカウンター音声よりも説得力が高い
• Abstract要約: そこで本稿では,モデレーション設定に適応し,適度なユーザに対してパーソナライズされた文脈対応音声を生成するための戦略を提案し,評価する。 我々は,ROUGE,BLEU,BERTScoreに基づく対音声品質のアルゴリズム的尺度を実装した。 パーソナライゼーションは有効であるが,一様ではない。
• 参考スコア（独自算出の注目度）: 9.595956819209263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-generated counterspeech offers a scalable and effective strategy to mitigate online toxicity by promoting more constructive dialogue. Yet, existing approaches adopt a generic, one-size-fits-all paradigm, overlooking the conversational context and characteristics of the targeted users. Here, we propose and evaluate multiple strategies for generating contextualized counterspeech that is adapted to the moderation setting and personalized to the moderated user. In detail, we explore a range of configurations that integrate different forms of contextual information and fine-tuning techniques. We conduct a comprehensive evaluation combining quantitative indicators with a pre-registered, mixed-design crowdsourcing experiment. To ensure robustness, we implement algorithmic measures of counterspeech quality based on ROUGE, BLEU, and BERTScore, observing overall consistent results across metrics. Furthermore, we analyze which characteristics of both the generated counterspeech and the moderated toxic message most strongly influence perceived persuasiveness, yielding insights into how contextualized interventions can be made more effective. Our findings show that personalization can be effective, but not uniformly so. Lightweight strategies combining conversational context and user history improve perceived adequacy and persuasiveness, whereas several other contextualization strategies degrade human-perceived counterspeech quality. Taken together, these results provide actionable directions for developing more personalized, effective, and responsible counterspeech systems, ultimately advancing human-AI collaboration in online content moderation.
• Abstract（参考訳）: AI生成のカウンタースピーチは、より建設的な対話を促進することで、オンライン毒性を軽減するスケーラブルで効果的な戦略を提供する。 しかし、既存のアプローチでは汎用的なワンサイズ・オールパラダイムを採用しており、ターゲットとするユーザの会話コンテキストや特徴を見下ろしている。 そこで本研究では,モデレーション設定に適応し,適度なユーザに対してパーソナライズされた文脈対応音声を生成するための複数の戦略を提案し,評価する。 本稿では,様々な形態のコンテキスト情報と微調整技術を統合する構成について検討する。 本研究では,事前登録型複合設計クラウドソーシング実験と定量的指標を組み合わせた総合評価を行う。 ロバスト性を確保するため,ROUGE,BLEU,BERTScoreに基づく対音声品質のアルゴリズム的測定を行い,総合的に一貫した結果が得られた。 さらに、生成した逆音声と中等度有毒メッセージの両方の特徴が、知覚的説得性に最も強く影響を与え、文脈的介入をより効果的に行う方法についての洞察を与える。 パーソナライゼーションは有効であるが,一様ではない。 会話の文脈とユーザ履歴を組み合わせた軽量戦略は、知覚の妥当性と説得性を向上する一方、他のいくつかの文脈化戦略は、人間の知覚する対音声品質を低下させる。 これらの結果は、よりパーソナライズされ、効果的で責任ある対音声システムを開発するための実用的な方向を与え、最終的にはオンラインコンテンツモデレーションにおける人間とAIのコラボレーションを促進する。

関連論文リスト

• Character Beyond Speech: Leveraging Role-Playing Evaluation in Audio Large Language Models via Reinforcement Learning [57.22705949022221]
  RoleJudgeは、音声大言語モデルを利用して、音声と文字のアライメントを評価する評価フレームワークである。 連鎖推論アノテーションを付加した最初の音声ロールプレイング評価データセットであるRoleChatを紹介する。
  論文  参考訳（メタデータ） (2026-04-15T12:39:03Z)
• Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning [66.52010873968383]
  本稿では,RL学習を通じて学習した探索的,適応的な行動を可能にする,交互に探索と推論をインターリーブする対話エージェントを提案する。 広く使われている4つの対話型ベンチマークによる実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2026-01-19T14:55:54Z)
• 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)
• Contextualized Counterspeech: Strategies for Adaptation, Personalization, and Evaluation [2.1944577276732726]
  本研究では,モデレーションコンテキストに適応し,適度なユーザ向けにパーソナライズされたコーディネート音声を生成するための戦略を提案し,評価する。 以上の結果から, 文脈的反音声は, 精度と説得力において, 最先端の一般音声よりも有意に優れることが示された。 コンテンツモデレーションにおける、文脈化されたAI生成の逆音声の有効性と、人間とアルゴリズムによる評価の相違は、人間とAIの協調の増大の重要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2024-12-10T09:29:52Z)
• Assessing the Human Likeness of AI-Generated Counterspeech [10.434435022492723]
  本稿では,AI生成音声の人間的類似性について検討する。 LLMベースの生成戦略の実装と評価を行う。 言語的特徴、丁寧さ、特異性の違いを明らかにする。
  論文  参考訳（メタデータ） (2024-10-14T18:48:47Z)
• 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)
• Towards Robust Speech-to-Text Adversarial Attack [78.5097679815944]
  本稿では,DeepSpeech,Kaldi,Lingvoなど,最先端の音声テキストシステムに対する新たな逆アルゴリズムを提案する。 本手法は, 逆最適化定式化の従来の歪み条件の拡張を開発することに基づいている。 元のサンプルと反対のサンプルの分布の差を測定するこの測定値の最小化は、正統な音声記録のサブスペースに非常に近い作成信号に寄与する。
  論文  参考訳（メタデータ） (2021-03-15T01:51:41Z)
• 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。