論文の概要: Intent Speaks Louder: Controllable User Simulation Beyond Response Imitation

• arxiv url: http://arxiv.org/abs/2608.09420v1
• Date: Mon, 10 Aug 2026 10:48:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.212245
• Title: Intent Speaks Louder: Controllable User Simulation Beyond Response Imitation
• Title（参考訳）: Intent Speaks Louder: 応答模倣を超えた制御可能なユーザシミュレーション
• Abstract要約: 制御可能なユーザシミュレーションでは、どのローカルインタラクションインテントを次のユーザターンにするかを、そのインテントが言語でどのように表現されているかから区別する必要があります。 我々は、対話意図をターン毎の明示的な指示として公開するUserIDAを紹介する。 LMSYS-USPでは、UserIDAは86.6%の意図精度を達成し、最強のユーザーシミュレーションベースラインを24.3%上回っている。
• 参考スコア（独自算出の注目度）: 25.422690765682788
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: User simulators are widely used as scalable environments for training and evaluating interactive assistants. Generating the next user turn is inherently one-to-many: the same profile and dialogue context may support multiple plausible continuations with different local interaction intents. A fluent response may therefore advance the dialogue through an inappropriate intent, such as acceptance rather than repair. Our key insight is that controllable user simulation should separate which local interaction intent the next user turn should realize from how that intent is expressed in language. We introduce UserIDA (User Intent-Directive Alignment), which exposes interaction intent as an explicit per-turn directive. UserIDA defines a six-way intent interface, learns directive-conditioned generation through supervised fine-tuning, and uses intent-calibrated policy optimization during group-based reinforcement learning. The reward preserves composite response quality while ensuring that intent-violating candidates rank below compliant alternatives in mixed groups. On LMSYS-USP, UserIDA achieves 86.6\% intent accuracy, outperforming the strongest dedicated user-simulator baseline by 24.3 percentage points while improving semantic and stylistic similarity. In within-context interventions, it realizes at least four of the six target intents in 91.7\% of evaluated dialogue states, compared with 22.9\% for the strongest external baseline. These results establish per-turn intent control as a complementary dimension to response fidelity in user simulation.
• Abstract（参考訳）: ユーザシミュレータは、インタラクティブアシスタントのトレーニングと評価のためのスケーラブルな環境として広く使用されている。 同一のプロファイルと対話コンテキストは、異なるローカルなインタラクション意図を持つ複数のもっともらしい継続をサポートする可能性がある。 したがって、流動的な応答は、修復よりも受け入れなどの不適切な意図を通じて対話を進めることができる。 私たちのキーとなる洞察は、制御可能なユーザシミュレーションは、どのローカルなインタラクションインテントが、そのインテントが言語でどのように表現されているかから認識されるべきなのかを分離すべきである、ということです。 ユーザIDA (User Intent-Directive Alignment) を導入する。 UserIDAは6方向のインテントインターフェースを定義し、教師付き微調整によりディレクティブ条件付き生成を学習し、グループベースの強化学習において、インテント校正されたポリシー最適化を使用する。 報酬は複合応答の質を保ち、混合グループにおいて意図に反する候補が適合する選択肢より下位にランクされることを保証する。 LMSYS-USPでは、UserIDAは86.6\%の意図精度を達成し、セマンティックおよびスタイリスティックな類似性を改善しつつ、最強の専用ユーザーシミュレータベースラインを24.3ポイント上回っている。 文脈内介入では、評価された対話状態の91.7\%において、6つの目標意図のうち少なくとも4つが認識され、最強の外部ベースラインでは22.9\%である。 これらの結果は、ユーザシミュレーションにおける応答忠実度を補完する次元として、ターン毎の意図制御を確立する。

関連論文リスト

• Towards Better Agents for Multi-Turn User Interaction: The Next User Turn Is More Than Context [12.546026856710148]
  次世代のユーザ反応は、マルチターンユーザインタラクションエージェントを改善するために実行可能なローカルクレジットを提供する。 textscFACAは、独立してトレーニングされた3回の実行で9ドメイン$$$- Family平均を改善する。
  論文  参考訳（メタデータ） (2026-08-18T08:25:21Z)
• Training LLMs with Reinforcement Learning for Intent-Aware Personalized Question Answering [6.156855333798949]
  Intent-Aware Personalization (IAP)は、シングルターン質問から直接暗黙のユーザ意図を推論するためにモデルを訓練する。 IAPは、パーソナライズされた意図に基づく回答を生成するためのタグベースのスキーマを通じて、ユーザの意図を思考ステップに組み込む。 IAPは、LaMP-QAベンチマークでの実験において、すべてのベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-12T18:38:05Z)
• KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
  KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。 42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。 明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
  論文  参考訳（メタデータ） (2026-04-09T16:50:50Z)
• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference [22.214499732123173]
  IntProは、検索条件付きインテント推論を通じて個々のユーザへの適応を学ぶプロキシエージェントである。 IntProは、効果的なコンテキスト認識推論機能によって、パフォーマンスを強く理解することを示す。
  論文  参考訳（メタデータ） (2026-02-10T07:20:58Z)
• Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User [117.82681846559909]
  会話レコメンデーションシステム(CRS)は、マルチターンインタラクションを使用してユーザの好みを捉え、パーソナライズされたレコメンデーションを提供する。 本稿では,CRSと自動インタラクションを行うための生成報酬モデルに基づくシミュレーションユーザGRSUを提案する。
  論文  参考訳（メタデータ） (2025-04-29T06:37:30Z)
• Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
  大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。 本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-21T20:29:02Z)
• Stop Playing the Guessing Game! Target-free User Simulation for Evaluating Conversational Recommender Systems [21.275452863162936]
  PEPPERは、実際のユーザインタラクション履歴とレビューから構築された、ターゲットフリーなユーザシミュレータによる評価プロトコルである。 PEPPERは、単純な推測ゲームに陥ることなく、現実的なユーザ-CRS対話を可能にする。 PEPPERは、CRSの嗜好誘発能力を包括的に評価するための詳細な尺度を提示する。
  論文  参考訳（メタデータ） (2024-11-25T07:36:20Z)
• Adversarial learning of neural user simulators for dialogue policy optimisation [14.257597015289512]
  強化学習に基づく対話ポリシーは、通常、ユーザシミュレータとのインタラクションで訓練される。 現在のデータ駆動シミュレータは、対話コーパス内のユーザの振る舞いを正確にモデル化するように訓練されている。 そこで本研究では,現実的なユーザ行動のシミュレートを目的とした,逆学習を用いた代替手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T16:17:16Z)
• Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
  本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。 ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
  論文  参考訳（メタデータ） (2021-03-17T09:42:11Z)
• Multi-Agent Task-Oriented Dialog Policy Learning with Role-Aware Reward Decomposition [64.06167416127386]
  本稿では,システムとユーザの両方をダイアログエージェントとみなすマルチエージェントダイアログポリシー学習を提案する。 2人のエージェントが互いに相互作用し、同時に一緒に学習されます。 その結果,本手法がシステムポリシとユーザポリシを同時に構築できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-08T04:51:40Z)

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。