Fugu-MT 論文翻訳(概要): MoCA: Implicit Social Context Analysis

論文の概要: MoCA: Implicit Social Context Analysis

arxiv url: http://arxiv.org/abs/2608.05825v2
Date: Fri, 07 Aug 2026 10:39:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-10 14:11:31.128828
Title: MoCA: Implicit Social Context Analysis
Title（参考訳）: MoCA: 社会的文脈分析
Abstract要約: 暗黙の社会的文脈は現実世界の相互作用に広く浸透する。暗黙的な社会的シナリオを体系的にモデル化する新しいタスクであるインプリシット・ソーシャル・コンテクスト・アナリティクス(MoCA)を導入する。本研究では,認知的対立として期待される真理的行動と観察された表現の相違をモデル化する新しいフレームワークである衝突駆動帰納的推論(CoDAR)を提案する。
参考スコア（独自算出の注目度）: 36.39584457494872
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Human social communication, such as affection and intent, is often conveyed in highly implicit ways, where underlying meanings are expressed through indirect, socially and culturally grounded signals rather than explicit statements. Such implicit social contexts are pervasive in real-world interactions, yet there remains a lack of a formal and systematic framework for studying them. In this paper, we introduce Implicit Social Context Analysis (MoCA), a novel task that systematically models implicit social scenarios along three key dimensions: affection, intent, and stance. We construct a high-quality benchmark containing 3,108 multimodal instances collected from real-world sources, with fine-grained cognitive annotations revealing who expresses what toward whom, as well as how and why it is conveyed. Using the MoCA dataset, we show that state-of-the-art multimodal large language models struggle significantly with this task because of their reliance on explicit cues and limited ability to reason over latent social contexts. To address this challenge, we propose Conflict-Driven Abductive Reasoning (CoDAR), a novel framework that models the discrepancy between observed expressions and expected truthful behavior as cognitive conflict, thereby enabling the inference of hidden mental states. Extensive experiments demonstrate that CoDAR substantially improves model performance. Nevertheless, a large gap from human reasoning remains, highlighting the fundamental difficulty of implicit social understanding.
Abstract（参考訳）: 感情や意図といった人間の社会的コミュニケーションは、しばしば暗黙的な方法で伝えられるが、根底にある意味は、明示的な言明ではなく、間接的、社会的、文化的に根ざした信号によって表現される。このような暗黙の社会的文脈は現実世界の相互作用において広く浸透しているが、それらを研究するための形式的で体系的な枠組みはいまだに存在しない。本稿では、感情、意図、スタンスという3つの重要な側面に沿って暗黙の社会的シナリオを体系的にモデル化する新しいタスクであるインプリシット・ソーシャル・コンテクスト・アナリティクス(MoCA)を紹介する。実世界の情報源から収集した3,108件のマルチモーダル・インスタンスを含む高品質なベンチマークを構築し,誰が誰に向かって何を表現しているか,どのように伝達されるのか,といった詳細な認知アノテーションを提示する。 MoCAデータセットを用いて、現在最先端のマルチモーダルな大規模言語モデルは、明示的な手がかりに頼っていることと、潜伏した社会的文脈を推論する能力に制限があるため、この課題にかなり苦労していることを示す。この課題に対処するために、我々は、観察された表現と期待される真理的行動との相違を認知的衝突としてモデル化し、隠れた精神状態の推測を可能にする新しいフレームワークである、衝突駆動的帰納的推論(CoDAR)を提案する。大規模な実験により、CoDARはモデル性能を大幅に改善することが示された。それでも、人間の推論との大きなギャップは残っており、暗黙の社会的理解の根本的な困難を浮き彫りにしている。

関連論文リスト

SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。 Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
論文参考訳（メタデータ） (2026-03-17T17:58:44Z)
Social-R1: Towards Human-like Social Reasoning in LLMs [74.32494331695837]
我々は、人間のような社会知性を育むためには、ショートカットソリューションに抵抗する挑戦的なケースでのトレーニングが必要であると論じる。モデル推論と人間の認知を多次元報酬で整合させる強化学習フレームワークSocial-R1を提案する。
論文参考訳（メタデータ） (2026-03-10T06:26:24Z)
A Scoping Review of the Ethical Perspectives on Anthropomorphising Large Language Model-Based Conversational Agents [39.49473274097833]
人間以外の存在が人間に似た性質を持つ人類形態化は、大きな言語モデル(LLM)に基づく会話エージェント(CA)の台頭により、ますます健全になっている。このスコーピングレビューは、LLMベースのCAを5つのデータベースと3つのプレプリントリポジトリで人類学的に指向した研究をマッピングする。
論文参考訳（メタデータ） (2026-01-14T21:03:11Z)
S$^3$IT: A Benchmark for Spatially Situated Social Intelligence Test [26.79990069295221]
本稿では,具体的ソーシャルインテリジェンスを評価するために特別に設計されたベンチマークである空間決定型ソーシャルインテリジェンステスト(S$3$IT)を紹介する。エージェントは大規模な言語モデル駆動NPCのグループのために3D環境に座席を配置する必要がある。我々のフレームワークは、制御し難い広い多様なシナリオ空間を生成し、エージェントに活発な対話を通して好みを取得し、自律的な探索を通して環境を知覚し、複雑な制約ネットワーク内で多目的最適化を行うよう促す。
論文参考訳（メタデータ） (2025-12-23T02:36:56Z)
SocialNLI: A Dialogue-Centric Social Inference Dataset [49.60157928163403]
第1回社会対話推論データセットSocialNLIを紹介する。 SocialNLIは、複雑な社会的ニュアンスの中心となるために手書きの対話文からなる。多段階の反実的推論による推論モデルの評価を行う。
論文参考訳（メタデータ） (2025-10-06T23:42:01Z)
SocialMaze: A Benchmark for Evaluating Social Reasoning in Large Language Models [41.68365456601248]
社会的推論を評価するために特別に設計された新しいベンチマークであるSocialMazeを紹介する。 SocialMazeは、深い推論、動的なインタラクション、情報の不確実性という3つの主要な課題を体系的に取り入れている。ソーシャル推論ゲーム、日々のインタラクション、デジタルコミュニティプラットフォームという3つの主要な設定にまたがる6つの多様なタスクを提供する。
論文参考訳（メタデータ） (2025-05-29T17:47:36Z)
Analyzing Cognitive Differences Among Large Language Models through the Lens of Social Worldview [39.19508676240209]
文化理論を基盤とした構造的枠組みである社会世界分類学(SWT)を紹介する。我々は28の多種多様な言語モデルにまたがる識別・解釈可能な認知プロファイルを実証的に同定した。本研究は, 社会的認知バイアスと社会的フィードバックに対する応答性を明らかにすることにより, LLMの解釈可能性を高めた。
論文参考訳（メタデータ） (2025-05-04T02:35:24Z)
Social Genome: Grounded Social Reasoning Abilities of Multimodal Models [61.88413918026431]
社会的推論能力は、AIシステムが社会的文脈内でのマルチモーダルなヒューマンコミュニケーションと相互作用を解釈し、応答する上で不可欠である。 SOCIAL GENOMEは,マルチモーダルモデルのきめ細かな基礎的な社会的推論能力を示す最初のベンチマークである。
論文参考訳（メタデータ） (2025-02-21T00:05:40Z)
DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文参考訳（メタデータ） (2023-06-15T10:41:23Z)
ECHo: A Visio-Linguistic Dataset for Event Causality Inference via Human-Centric Reasoning [22.951360187153156]
ECHoは、視覚言語学的社会的シナリオに基づくイベント因果推論のデータセットである。我々は,現在のAIシステムの推論能力を評価するために,統合型Chain-of-Thought(CoT)フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-24T05:21:13Z)

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。