論文の概要: PolyDebate: A Game-Orchestrated Multimodal System for Debate Skills Practice and Evaluation

• arxiv url: http://arxiv.org/abs/2608.16276v1
• Date: Mon, 17 Aug 2026 08:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.597538
• Title: PolyDebate: A Game-Orchestrated Multimodal System for Debate Skills Practice and Evaluation
• Title（参考訳）: PolyDebate: ディベートスキルの実践と評価のためのゲーム組織型マルチモーダルシステム
• Abstract要約: PolyDebateは、英語の議論の実践と評価のためのゲームオーケストレーションマルチモーダルシステムである。 PolyDebateは、AI相手との1対1の議論を通じて、学習者をガイドする。 システムは、音声および視覚的配信証拠をキャプチャし、コンテキスト対応の相手応答を生成する。
• 参考スコア（独自算出の注目度）: 21.783900005189295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Debate is a structured form of persuasive communication that trains argument construction, rebuttal, oral delivery, and audience awareness. These skills are valued in education, language learning, and professional communication. Recent AI debate systems and LLM-based judges have advanced argument generation and debate evaluation, but most remain text-centered and rarely support learners through a complete multimodal practice experience. We introduce PolyDebate, a game-orchestrated multimodal system for English debate practice and evaluation. PolyDebate guides learners through staged one-on-one (1v1) debates with an AI opponent, while skill cards, props, and coins make persuasive strategies explicit and turn practice into a game-like interaction. During each session, the system captures learner speech and visual delivery evidence, generates context-aware opponent responses, and produces rubric-informed stage-level and overall feedback. PolyDebate is available as both an immersive Unity 3D game version and a web platform version that share the same workflow and evaluation services. Four studies covering AI opponent quality, evaluation coverage, AI judge feedback, and user perception show that PolyDebate brings debate interaction, gamified scaffolding, multimodal assessment, and structured feedback together in a practical workflow for debate skills practice. The demonstration video is available at https://youtu.be/mHwBG1_8Ebk.
• Abstract（参考訳）: ディベート(Debate)は、建設、反論、口頭提供、オーディエンス認知を訓練する説得力のあるコミュニケーションの構造化形態である。 これらのスキルは、教育、言語学習、専門的なコミュニケーションにおいて重要である。 最近のAI討論システムとLLMベースの審査員は、議論生成と議論評価を先進的に進めているが、多くはテキスト中心であり、完全にマルチモーダルな実践経験を通じて学習者を支援することはめったにない。 本稿では,PolyDebateを紹介した。PolyDebateは,英語の議論実践と評価のためのマルチモーダルシステムである。 PolyDebateは、AI相手との1対1の議論を通じて学習者をガイドし、スキルカード、小道具、コインは説得力のある戦略を明示し、練習をゲームのような相互作用に変える。 各セッション中、学習者による音声と視覚的配信の証拠を捕捉し、文脈に合った相手の応答を生成し、ルーリックなインフォームドステージレベルと全体的なフィードバックを生成する。 PolyDebateは、没入型のUnity 3Dゲームバージョンと、同じワークフローと評価サービスを共有するWebプラットフォームバージョンの両方で利用できる。 対立するAIの品質、評価カバレッジ、AI裁判官のフィードバック、ユーザ認知に関する4つの研究は、PolyDebateが議論の対話、ゲーミフィケーションされた足場、マルチモーダルアセスメント、構造化されたフィードバックを、議論スキルの実践のための実践的なワークフローで一緒に提供することを示している。 デモビデオはhttps://youtu.be/mHwBG1_8Ebk.comで公開されている。

関連論文リスト

• A superpersuasive autonomous policy debating system [7.113205880204546]
  DeepDebater(ディープデバター)は、2チームによる完全な競争政策の議論に参加し、勝利することのできる新しいシステムである。 本システムでは, 特殊なマルチエージェントエージェントの階層構造を採用している。 ライブでインタラクティブなエンドツーエンドのプレゼンテーションパイプラインは、AIスピーチとアニメーションによる議論を描画する。
  論文  参考訳（メタデータ） (2025-11-22T00:45:01Z)
• Game-Time: Evaluating Temporal Dynamics in Spoken Language Models [93.844257719952]
  時間的能力を評価するためにGame-Time Benchmarkフレームワークを導入します。 多様なSLMモデルについて評価した結果,性能の相違が明らかとなった。 GameTime Benchmarkは、より時間的に認識された会話型AIに向けた将来の研究を導くための基盤を提供する。
  論文  参考訳（メタデータ） (2025-09-30T15:23:39Z)
• Debating for Better Reasoning: An Unsupervised Multimodal Approach [56.74157117060815]
  議論のパラダイムをマルチモーダルな設定に拡張し、より弱いモデルがより強力なモデルの性能を監督し、強化する可能性を探る。 視覚的質問応答 (VQA) に焦点をあて, 2つの「目に見える」専門家の視覚言語モデルが解答について議論する一方, 「盲目」(テキストのみ)の判断は議論の品質にのみ依存する。 この枠組みでは, 専門家は信念に沿う回答のみを守り, 明示的な役割プレーの必要性を排除し, 専門家の不一致の事例に議論を集中させる。
  論文  参考訳（メタデータ） (2025-05-20T17:18:17Z)
• DebateBench: A Challenging Long Context Reasoning Benchmark For Large Language Models [1.8197265299982013]
  DebateBenchを紹介します。このデータセットは、世界で最も権威ある競争上の議論のいくつかから、広範な写本とメタデータのコレクションで構成された、新しいデータセットです。 このデータセットは、様々なトピックに関する高名な討論会から英国議会で議論され、詳細なスピーチレベルスコアと公式の判断データから得られた家格ランキングが注釈付けされている。 我々は32の討論で256のスピーチをキュレートし、各討論は1時間以上、各入力は平均32,000のトークンである。
  論文  参考訳（メタデータ） (2025-02-10T09:23:03Z)
• Can LLMs Beat Humans in Debating? A Dynamic Multi-agent Framework for Competitive Debate [22.813887723656023]
  Agent for Debate (Agent4Debate)は、大規模言語モデル(LLM)に基づく動的マルチエージェントフレームワークである。 評価には、Debatrix自動スコアシステムと、確立されたDebatrix-EloとHuman-Eloのランキングに基づく専門家の人間レビュアーが使用されている。 実験の結果、最先端のAgent4Debateは人間の能力に匹敵する能力を示した。
  論文  参考訳（メタデータ） (2024-08-08T14:02:45Z)
• ExpertAF: Expert Actionable Feedback from Video [81.46431188306397]
  本研究では,バスケットボールやサッカーなどの身体活動を行う人の映像から,アクション可能なフィードバックを生成する新しい手法を提案する。 提案手法は,映像のデモンストレーションとそれに伴う3Dボディーポーズを取り,その人が何をしているか,何が改善できるかを解説した専門家のコメントを生成する。 Ego-Exo4Dの[29]ビデオの熟練した活動と専門家の解説を、強力な言語モデルとともに活用して、このタスクのための弱い教師付きトレーニングデータセットを作成する方法を示す。
  論文  参考訳（メタデータ） (2024-08-01T16:13:07Z)
• Debatrix: Multi-dimensional Debate Judge with Iterative Chronological Analysis Based on LLM [51.43102092480804]
  Debatrixは、Large Language Models (LLMs)に基づく自動ディスカッションジャッジである。 実世界の議論シナリオに合わせるため、私たちはPanelBenchベンチマークを導入し、システムの性能と実際の議論結果を比較した。 以上の結果から,LSMを直接使用して議論評価を行ない,顕著な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-12T18:19:47Z)
• BotChat: Evaluating LLMs' Capabilities of Having Multi-Turn Dialogues [72.65163468440434]
  本報告では,人間型マルチターンチャットのための既存大規模言語モデルの予備的評価を行う。 そこで我々は,ChatSEEDに基づくマルチターン対話を発話によって生成する大規模言語モデル(LLM)を提案する。 GPT-4は優れた品質の人型多元対話を生成できるが、その性能は著しく上回っている。
  論文  参考訳（メタデータ） (2023-10-20T16:53:51Z)
• DebateKG: Automatic Policy Debate Case Creation with Semantic Knowledge Graphs [0.0]
  本稿では,Argumentative Semantic Knowledge Graphs上で,制約付き最短経路トラバーサルを用いて効果的な議論ケースを構築することができることを示す。 53180の新しい例を導入することで、DebateSumを大幅に改善しました。 政策論争の事例を生成する文脈において、どの知識グラフが優れているかを評価するためのユニークな方法を作成する。
  論文  参考訳（メタデータ） (2023-07-09T04:19:19Z)
• Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
  説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。 オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
  論文  参考訳（メタデータ） (2022-04-16T08:07:53Z)

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。