論文の概要: Cleo: A Transparent and Controllable Chatbot for Conversational Commerce
- arxiv url: http://arxiv.org/abs/2608.06068v1
- Date: Thu, 06 Aug 2026 14:12:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.771883
- Title: Cleo: A Transparent and Controllable Chatbot for Conversational Commerce
- Title（参考訳）: Cleo:会話コマースのための透明でコントロール可能なチャットボット
- Abstract要約: 透明でコントロール可能な対話型プロダクトアドバイザであるCleoを紹介します。
Cleoは、不透明性の課題、LLMの予測不可能性、および会話コマースにおける比較の複雑さに対処する。
ライブデモでは、情報提供とリフレクション、リアルタイムの再ランクによる会話の洗練、属性ごとの損失説明のインスペクション、AI生成したマルチテム比較などが体験される。
- 参考スコア（独自算出の注目度）: 2.5899040911480182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We demonstrate Cleo, a transparent and controllable conversational product advisor that addresses the challenges of opacity, unpredictability of LLMs, and the complexity of comparisons in conversational commerce. With our chatbot system, we make four contributions: First, we introduce transparency by prompting the LLM to reflect on interpreted user needs, while an auditable ranking mechanism reveals loss values per attribute, explaining ranking decisions. Second, we propose controllability through a hybrid architecture separating deterministic ranking from language generation. A ranker applies categorical filters and numeric loss functions over 3,638 product specifications. Meanwhile, a constrained LLM generates grounded descriptions constrained to catalog evidence, thus mitigating the risk of hallucinated or persuasive content. Third, we provide decision support in the form of natural-language comparisons and a highlights feature. These aim to reduce mental workload by contextualizing specifications relative to user needs. Fourth, we contribute an extensible experimental system for IR and HCI researchers, as well as practitioners of conversational search and recommendation. Unlike traditional faceted search or opaque LLM-only recommenders, our approach allows for fluid conversation while maintaining algorithmic transparency. In a live demonstration, attendees will experience information needs elicitation and reflection, conversational refinement with real-time re-ranking, inspection of per-attribute loss explanations, and AI-generated multi-item comparisons. The system aims to advance the design of transparent and controllable conversational systems that provide support for decision-making during online product search.
- Abstract（参考訳）: 透明でコントロール可能な対話型製品アドバイザであるCleoを実演し、不透明性の課題、LLMの予測不能性、そして会話型コマースにおける比較の複雑さに対処する。
まず、LLMに解釈されたユーザニーズを反映するよう促すことで透明性を導入し、一方、監査可能なランキングメカニズムは属性ごとの損失値を明らかにし、ランキング決定を説明する。
第2に,言語生成から決定論的ランキングを分離したハイブリッドアーキテクチャによる制御性を提案する。
ランク付け器は3,638の製品仕様に対して分類フィルタと数値損失関数を適用する。
一方、制約付きLLMは、カタログ証拠に制約された基礎的な記述を生成し、幻覚的または説得的内容のリスクを軽減する。
第3に、自然言語比較という形での意思決定支援とハイライト機能を提供しています。
これらは、ユーザの要求に応じて仕様をコンテキスト化することによって、メンタルワークロードを削減することを目的としている。
第4に、IRおよびHCI研究者、および会話検索・推薦の実践者に対して、拡張可能な実験システムを提供する。
従来の顔付き検索や不透明なLDM専用レコメンデータとは異なり、我々のアプローチは、アルゴリズムの透明性を維持しながら、流動的な会話を可能にする。
ライブデモでは、情報提供とリフレクション、リアルタイムの再ランクによる会話の洗練、属性ごとの損失説明のインスペクション、AI生成したマルチテム比較などが体験される。
本システムは,オンライン製品検索における意思決定を支援する透明で制御可能な対話システムの設計を推進することを目的としている。
関連論文リスト
- A Tri-Agent Framework for Evaluating and Aligning Question Clarification Capabilities of Large Language Models [2.332848751256598]
大規模言語モデル(LLM)は、ユーザの意図を正確に理解することが最優先される対話型システムにおいて、ますます多くデプロイされている。
本稿では,LLMが対話の明確化に寄与する能力の堅牢性を評価するための,新しい三段階のフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-02T03:33:40Z) - Do LLMs Recognize Your Latent Preferences? A Benchmark for Latent Information Discovery in Personalized Interaction [40.857161437572465]
パーソナライズされたインタラクションにおける潜伏情報発見を評価するためのベンチマークを導入する。
このベンチマークは、古典的な20の質問ゲーム、パーソナライズされた質問回答、パーソナライズされたテキスト要約という3つの段階的な現実的な設定にまたがっている。
以上の結果から,LLMは対話を通して潜時情報を提示できるが,その成功は文脈によって劇的に変化することが明らかとなった。
論文 参考訳（メタデータ） (2025-10-20T03:58:49Z) - Learning Contextual Retrieval for Robust Conversational Search [34.74877456870482]
ContextualRetrieverは、会話コンテキストを直接検索プロセスに組み込む新しいLLMベースのレトリバーである。
提案手法では,(1)対話履歴中の現在のクエリを強調表示するコンテキスト認識型埋め込み機構,(2)高品質なリライトクエリに基づく意図誘導型監視,(3)ベースLLMの生成能力を維持するためのトレーニング戦略を紹介する。
論文 参考訳（メタデータ） (2025-09-24T02:17:37Z) - Word Clouds as Common Voices: LLM-Assisted Visualization of Participant-Weighted Themes in Qualitative Interviews [13.971616443394474]
ThemeCloudsは,対話の書き起こしから主題的,参加者に重み付けされたワードクラウドを生成する,オープンソースの可視化ツールである。
このシステムは、LLMに、コーパス全体で概念レベルのテーマを識別するよう促し、各トピックに言及する参加者の数をカウントする。
5つの記録デバイス構成を比較したユーザスタディのインタビューから,本手法は,周波数雲やトピックモデリングベースラインよりも動作可能なデバイス関心事を明らかにする。
論文 参考訳（メタデータ） (2025-08-11T00:27:52Z) - A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations [112.81207927088117]
PersonaConvBenchは、大規模言語モデル(LLM)とのマルチターン会話におけるパーソナライズされた推論と生成を評価するためのベンチマークである。
我々は,複数の商用およびオープンソース LLM を統一的なプロンプト設定でベンチマークし,パーソナライズされた履歴を組み込むことで大幅な性能向上が得られることを観察した。
論文 参考訳（メタデータ） (2025-05-20T09:13:22Z) - Learning to Clarify: Multi-turn Conversations with Action-Based Contrastive Self-Training [33.57497419019826]
アクションベースのコントラスト自己学習は、多ターン会話モデリングにおけるデータ効率のよい対話ポリシー学習を可能にする。
動作ラベルがない場合でも、データ効率のよいチューニングシナリオにおいてACTの有効性を実証する。
また,会話におけるあいまいさを暗黙的に認識し,説明できるかどうかを調べることで,LLMが会話エージェントとして機能する能力を評価することを提案する。
論文 参考訳（メタデータ） (2024-05-31T22:44:48Z) - 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) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue
Questions with LLMs [59.74002011562726]
我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。
中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。
実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-05-19T16:27:43Z) - Check Your Facts and Try Again: Improving Large Language Models with
External Knowledge and Automated Feedback [127.75419038610455]
大規模言語モデル(LLM)は、ダウンストリームタスクの多くに対して、人間のような、流動的な応答を生成することができる。
本稿では,プラグ・アンド・プレイモジュールのセットでブラックボックスのLSMを増強するLSM-Augmenterシステムを提案する。
論文 参考訳（メタデータ） (2023-02-24T18:48:43Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z)
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。