論文の概要: Latent-IM: Latent Interaction Management for Speech LLMs

• arxiv url: http://arxiv.org/abs/2607.26928v1
• Date: Wed, 29 Jul 2026 13:56:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.696023
• Title: Latent-IM: Latent Interaction Management for Speech LLMs
• Title（参考訳）: Latent-IM:LLMにおける潜時インタラクション管理
• Abstract要約: 会話動作の選択とデプロイのための内部対話管理フレームワークであるLatent-IMを紹介する。 我々はこの制御を用いて人間の移動選択を再現し、ステアリングされていないバックボーン上での平均エンド・ツー・エンドの移動精度を12.5ポイント向上する。
• 参考スコア（独自算出の注目度）: 4.733799057798266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classical spoken dialogue systems often separated dialogue management from response realization: a policy selected the next dialogue action, and a generation component expressed that action. As dialogue systems shift toward LLMs, this decomposition has largely disappeared into the model's hidden representations. We ask whether an LLM-internal analogue of state estimation and action control can be recovered for conversational moves such as acknowledging, checking, querying, explaining, and replying. We formulate move control as two coupled problems: selection, predicting the appropriate next move from the dialogue context, and realization, causally producing a chosen move at generation time. We introduce Latent-IM, an internal dialogue-management framework that provides a general interface for choosing and deploying conversational moves under different objectives. Here, we use this control to reproduce human move choices, improving average end-to-end move accuracy by 12.5 points over the unsteered backbone while performing comparably to fine-tuning.
• Abstract（参考訳）: 古典的な音声対話システムは、しばしば対話管理と応答実現を分離する: ポリシーは次の対話アクションを選択し、生成コンポーネントはそのアクションを表現した。 対話システムがLSMへと移行するにつれて、この分解はモデルに隠された表現に大きく消えていった。 我々は,認識,確認,クエリ,説明,応答などの会話動作に対して,状態推定と行動制御のLLM内部アナログを復元できるかどうかを問う。 我々は,移動制御を2つの結合した問題として定式化し,対話コンテキストからの適切な次の移動を予測し,生成時に選択した動きを因果的に生成する。 本稿では,対話行動の選択とデプロイのための汎用インターフェースを提供する内部対話管理フレームワークであるLatent-IMを紹介する。 ここでは、この制御を用いて人間の移動選択を再現し、ステアリングされていないバックボーン上で平均エンド・ツー・エンドの移動精度を12.5ポイント向上し、微調整に相容れない性能を実現した。

関連論文リスト

• Tailored Conversations beyond LLMs: A RL-Based Dialogue Manager [0.7499722271664147]
  本稿では,大規模言語モデル(LLM)をRLベースの対話マネージャと統合して,特定の目的を持ったオープンエンド対話を実現するフレームワークを提案する。 階層的強化学習を用いて対話の構造化フェーズをモデル化し,メタラーニングを用いて多様なユーザプロファイル間の適応性を向上する。
  論文  参考訳（メタデータ） (2025-06-24T14:15:26Z)
• Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities [93.09944267871163]
  FullDuplexBenchは、重要なインタラクティブな振る舞いを体系的に評価するベンチマークである。 ベンチマークコードを公開することによって、音声対話モデリングの進歩と、より自然で魅力的なSDMの開発を目指しています。
  論文  参考訳（メタデータ） (2025-03-06T18:59:16Z)
• Who Speaks Next? Multi-party AI Discussion Leveraging the Systematics of Turn-taking in Murder Mystery Games [7.946510318969307]
  本研究では,会話分析における隣接対やターンテイクといった会話規範に着目した。 本稿では,AIエージェントの対話制御にこれらの規範を適用した"Murder Mystery Agents"という新しいフレームワークを提案する。 提案フレームワークは、隣接ペアと自己選択機構に基づいて、次の話者選択を統合する。
  論文  参考訳（メタデータ） (2024-12-06T10:45:54Z)
• DEMO: Reframing Dialogue Interaction with Fine-grained Element Modeling [73.08187964426823]
  大規模言語モデル (LLM) によって実現された対話システムは、人間と機械の相互作用において中心的なモードの1つとなっている。 本稿では,新しい研究課題--$textbfD$ialogue $textbfE$lement $textbfMO$delingを紹介する。 本稿では,包括的対話モデリングと評価のために設計された新しいベンチマークである$textbfDEMO$を提案する。
  論文  参考訳（メタデータ） (2024-12-06T10:01:38Z)
• Plug-and-Play Policy Planner for Large Language Model Powered Dialogue Agents [121.46051697742608]
  そこで本稿では,PDPPという言語モデルプラグインを用いて対話問題を整理するための新たな対話ポリシー計画パラダイムを提案する。 具体的には、利用可能な人間の注釈付きデータに対する教師付き微調整を容易にするための新しいトレーニングフレームワークを開発する。 PPDPPは3つの異なるプロアクティブな対話アプリケーションにおいて、既存のアプローチを一貫して、実質的に上回っている。
  論文  参考訳（メタデータ） (2023-11-01T03:20:16Z)
• JoTR: A Joint Transformer and Reinforcement Learning Framework for Dialog Policy Learning [53.83063435640911]
  対話政策学習(DPL)は対話モデリングの重要な構成要素である。 フレキシブルな対話行動を生成するための新しいフレームワークであるJoTRを導入する。 従来の方法とは異なり、JoTRはよりダイナミックで適応可能な対話アクション生成を可能にするワードレベルのポリシーを定式化している。
  論文  参考訳（メタデータ） (2023-09-01T03:19:53Z)
• Prompting and Evaluating Large Language Models for Proactive Dialogues: Clarification, Target-guided, and Non-collaboration [72.04629217161656]
  本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。 LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:49:35Z)
• 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)
• Dialog-to-Actions: Building Task-Oriented Dialogue System via Action-Level Generation [7.110201160927713]
  本稿では,アクションレベル生成によるタスク指向対話システムを提案する。 具体的には、まず大規模な対話から対話行動を構築し、対話行動のシーケンスとして各自然言語(NL)応答を表現する。 本研究では,対話履歴を入力とし,対話行動のシーケンスを出力するシーケンス・ツー・シーケンスモデルを訓練する。
  論文  参考訳（メタデータ） (2023-04-03T11:09:20Z)
• Act-Aware Slot-Value Predicting in Multi-Domain Dialogue State Tracking [5.816391291790977]
  対話状態追跡(DST)は、人間と機械の相互作用を追跡し、対話を管理するための状態表現を生成することを目的としている。 機械読解の最近の進歩は、対話状態追跡のための分類型と非分類型のスロットの両方を予測する。 我々は対話行為を定式化し、機械読解の最近の進歩を活用し、対話状態追跡のためのカテゴリー型と非カテゴリ型の両方のスロットを予測する。
  論文  参考訳（メタデータ） (2022-08-04T05:18:30Z)
• Distributed Structured Actor-Critic Reinforcement Learning for Universal Dialogue Management [29.57382819573169]
  我々は,ユーザに対応する対話行動を選択するポリシーの策定に重点を置いている。 逐次的なシステム決定プロセスは、部分的に観察可能なマルコフ決定プロセスに抽象化することができる。 過去数年間、ニューラルネットワーク(NN)を関数近似器として利用するディープ強化学習(DRL)アルゴリズムが数多く存在する。
  論文  参考訳（メタデータ） (2020-09-22T05:39:31Z)
• Controlling Dialogue Generation with Semantic Exemplars [55.460082747572734]
  本稿では,経験的応答に現れる意味的フレームを用いて生成をガイドする,経験的対話生成モデルEDGEを提案する。 単語自体の単語ではなく、経験者の意味的フレームに基づく対話生成の制御により、生成した応答の一貫性が向上することを示す。
  論文  参考訳（メタデータ） (2020-08-20T17:02:37Z)

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。