論文の概要: Ekova: A Personality-Support Agent for Self-Discovery Dialogue

• arxiv url: http://arxiv.org/abs/2608.00478v1
• Date: Sat, 01 Aug 2026 07:08:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.683979
• Title: Ekova: A Personality-Support Agent for Self-Discovery Dialogue
• Title（参考訳）: Ekova: 自己発見対話のためのパーソナリティ対応エージェント
• Abstract要約: パーソナリティサポートはカウンセリングや臨床介入ではない。 DeepSupportはOrthoTuneでトレーニングされたマルチパーソナPSシステムである。 Ekovaは永続的なパーソナリティ支援エージェントであり、クロスセッションメモリ層を統一している。
• 参考スコア（独自算出の注目度）: 15.52620573170281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional Support (ES) systems have long optimized a single objective: alleviating the user's emotional distress in the moment. We argue that a complementary need, helping users see themselves more clearly, defines a distinct paradigm we call Personality Support (PS). PS is not counseling or clinical intervention: it targets cognitive clarity and self-articulation, not symptom relief or diagnosis. We instantiate this paradigm in three layers. First, we present DSD, a Chinese self-discovery PS Dataset of 8,590 samples collected through real longitudinal interaction across five minimal units, Coach, Warm, Tsukkomi, Real, and Gonzo. Second, we build DeepSupport, a multi-persona PS system trained with OrthoTune, a PS-tailored framework with style-specific adapters and a style-consistency regularizer. Third, we unify the five DeepSupport personas into Ekova, a persistent personality-support agent with a unified cross-session memory layer, supporting both adaptive routing and user-customized persona selection. Experiments show that OrthoTune-trained models outperform all baselines with an average relative gain of 16.3% across all metrics over the strongest prompt-based baseline. Code is available at https://github.com/Yukyin/Ekova.
• Abstract（参考訳）: 情緒的サポート(ES)システムは長い間、ユーザの感情的苦痛を軽減し、単一の目標を最適化してきた。 ユーザ自身をより明確に見るための補完的なニーズは、パーソナリティサポート(PS)と呼ばれる異なるパラダイムを定義している、と我々は主張する。 PSはカウンセリングや臨床介入ではなく、症状の緩和や診断ではなく、認知的明瞭さと自己鎮静を標的としている。 このパラダイムを3つのレイヤでインスタンス化する。 まず,中国のPSデータセットであるDSDについて,コーチ,ウォーム,ツッコミ,レアル,ゴンゾの5つの最小単位にわたる実時間相互作用を通して収集した8,590個のサンプルを提示する。 第2に、OrthoTuneでトレーニングされたマルチパーソナPSシステムであるDeepSupportを構築する。 第三に、5つのDeepSupportペルソナをEkovaに統合する。これは、パーソナ支援エージェントで、一貫したクロスセッションメモリ層を持ち、適応ルーティングとユーザカスタマイズペルソナ選択の両方をサポートする。 実験の結果、OrthoTuneで訓練されたモデルは全てのベースラインを上回り、最強のプロンプトベースベースラインよりも平均16.3%上昇した。 コードはhttps://github.com/Yukyin/Ekova.comで入手できる。

関連論文リスト

• Move by Move: Measuring and Steering How LLMs Conduct Psychotherapy [5.950325513496238]
  我々は,5人の心理学者によるアノテーションキャンペーンを通じて,10の治療法のオントロジーを紹介した。 実際のカウンセリングとモデル主導のセッションに適用することにより、ヒト臨床医とフロンティアモデルのパネル間の移動分布を比較した。 モデルによる過剰使用調査は、人間の3倍の確率で行われ、精神教育を無視し、文脈に強く依存する。
  論文  参考訳（メタデータ） (2026-08-21T17:32:38Z)
• ComPASS: Towards Personalized Agentic Social Support via Tool-Augmented Companionship [55.402028219661986]
  エージェントに外部ツールを付与し、多様なアクションを実行するためのツールを開発する。 われわれはまず、さまざまなマルチメディアアプリケーションをシミュレートするユーザ中心のツールを多数設計し、様々な種類のソーシャルサポート行動をカバーする。 ComPASS-Benchに基づいて,Qwen3-8Bモデルを微調整するためのツール使用記録をさらに合成し,タスク固有のComPASS-Qwenを生成する。
  論文  参考訳（メタデータ） (2026-04-20T14:49:16Z)
• PsychAgent: An Experience-Driven Lifelong Learning Agent for Self-Evolving Psychological Counselor [27.91498114470285]
  心理カウンセリングのための経験駆動型生涯学習エージェント(textttPsychAgent)を提案する。 まず,縦方向のマルチセッションインタラクションに適したメモリ拡張計画エンジンを構築した。 第2に、歴史的カウンセリングの軌跡から新しい実践的スキルを抽出するスキル進化エンジンを設計する。 第三に、進化したスキルをモデルに統合する強化内部化エンジンを導入します。
  論文  参考訳（メタデータ） (2026-04-01T14:08:49Z)
• PEARL: Personalized Streaming Video Understanding Model [50.273809779498464]
  マルチモーダルパーソナライズ法は、主に静的画像やオフラインビデオに限られる。 PEARL-Benchはこの困難な設定を評価するために特別に設計された最初の包括的なベンチマークである。 PEARLは8つのオフラインおよびオンラインモデルにわたる最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-20T18:47:54Z)
• MA-EgoQA: Question Answering over Egocentric Videos from Multiple Embodied Agents [54.48066948369172]
  エンボディモデルが強力になるにつれ、人間は将来、職場や自宅で複数のエンボディAIエージェントと協力するようになる。 既存の課題には、ビデオ形式で個々の感覚入力を効果的に圧縮し、伝達することが含まれる。 われわれはまず,複数のエンボディエージェントから同時に収集された複数のロングホライズン・エゴセントリックなビデオを理解するという,新しい問題を正式に定義する。
  論文  参考訳（メタデータ） (2026-03-10T15:48:35Z)
• Personalities at Play: Probing Alignment in AI Teammates [1.0742675209112622]
  大型言語モデル (LLM) はツールではなく協力者としての役割を担っている。 本稿では,3段階評価フレームワークを用いたAIの人格アライメントについて検討する。 結果は、AIの性格は測定可能であるが、多層構造であり、文脈に依存していることを示唆している。
  論文  参考訳（メタデータ） (2026-02-28T03:06:02Z)
• PsychEval: A Multi-Session and Multi-Therapy Benchmark for High-Realism AI Psychological Counselor [26.81428514159215]
  textttPsychEvalは、3つの重要な課題に対処するために設計された、マルチセッション、マルチセラピー、そして非常に現実的なベンチマークである。 メモリ連続性、適応推論、縦計画などの重要な機能を必要とする。 データセットには677以上のメタスキルと4577のアトミックスキルを含む、広範なプロフェッショナルスキルが注釈付けされている。
  論文  参考訳（メタデータ） (2026-01-05T05:26:57Z)
• Ask, Answer, and Detect: Role-Playing LLMs for Personality Detection with Question-Conditioned Mixture-of-Experts [4.618735978506653]
  ROMEは、心理的知識を人格検出に明示的に注入する新しいフレームワークである。 ROMEは、実世界の2つのデータセットの実験において、最先端のベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-12-09T17:07:54Z)
• PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory [56.81126490418336]
  パーソナライゼーションは、AI能力とアライメントの進歩における次のマイルストーンの1つだ。 PersonaMem-v2は300以上のシナリオ、20,000以上のユーザの好み、128kのコンテキストウィンドウで、1,000の現実的なユーザ-チャットボットインタラクションをシミュレートする。 我々はQwen3-4BをトレーニングしてGPT-5を上回り、暗黙のパーソナライゼーションにおいて53%の精度を達成した。
  論文  参考訳（メタデータ） (2025-12-07T06:48:23Z)
• Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences [53.353022588751585]
  本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。 我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。 本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2023-12-14T21:00:56Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)

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。