論文の概要: Generating Diverse Personas for User Simulators to Test Interview Dialogue Systems

• arxiv url: http://arxiv.org/abs/2608.19549v1
• Date: Thu, 20 Aug 2026 01:32:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.433117
• Title: Generating Diverse Personas for User Simulators to Test Interview Dialogue Systems
• Title（参考訳）: 対話システムをテストするユーザシミュレータのための対話者生成
• Abstract要約: 本研究では,大規模言語モデルを用いてユーザシミュレータのペルソナを自動的に生成する手法を提案する。 ペルソナ生成時のコミュニケーションスタイルに関連する性格特性を割り当てることで,ユーザシミュレータにおけるコミュニケーションスタイルの多様性を高めることを目指す。
• 参考スコア（独自算出の注目度）: 3.1415249818332813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the issue of the significant labor required to test interview dialogue systems. While interview dialogue systems are expected to be useful in various scenarios, like other dialogue systems, testing them with human users requires significant effort and cost. Therefore, testing with user simulators can be beneficial. Since most conventional user simulators have been primarily designed for training task-oriented dialogue systems, little attention has been paid to the personas of the simulated users. During development, testing interview dialogue systems requires simulating a wide range of user behaviors, but manually creating a large number of personas is labor-intensive. We propose a method that automatically generates personas for user simulators using a large language model. Furthermore, by assigning personality traits related to communication styles when generating personas, we aim to increase the diversity of communication styles in the user simulator. Experimental results show that the proposed method enables the user simulator to generate utterances with greater variation.
• Abstract（参考訳）: 本稿では,インタビュー対話システムのテストに要する多大な労力の問題に対処する。 インタビュー対話システムは、他の対話システムのような様々なシナリオで有用であることが期待されているが、人間ユーザーとの対話のテストには多大な労力とコストが必要である。 したがって、ユーザシミュレータによるテストは有益である。 従来のユーザシミュレータは主にタスク指向対話システムのトレーニング用に設計されているため,シミュレーション利用者のペルソナにはほとんど注意が払われていない。 開発期間中、インタビュー対話システムをテストするには、幅広いユーザの振る舞いをシミュレートする必要があるが、手動で多数のペルソナを作成することは労働集約的である。 本研究では,大規模言語モデルを用いてユーザシミュレータのペルソナを自動的に生成する手法を提案する。 さらに,ペルソナ生成時のコミュニケーションスタイルに関連する性格特性を割り当てることで,ユーザシミュレータにおけるコミュニケーションスタイルの多様性を高めることを目指す。 実験結果から,提案手法により,より変化の大きい発話をユーザが生成できることが示唆された。

関連論文リスト

• HumanLM: Simulating Users with State Alignment Beats Response Imitation [84.89761487596844]
  本稿では,実際のユーザを正確に反映したユーザシミュレータを構築する新しいトレーニングフレームワークHumanLMを提案する。 HumanLMは、強化学習を通じて、地道的な応答に一致した自然言語の潜伏状態を生成する。 本研究では,公開データに基づく実ユーザシミュレーションのための総合的なベンチマークであるHumanualを開発する。
  論文  参考訳（メタデータ） (2026-02-07T20:26:28Z)
• SimulatorArena: Are User Simulators Reliable Proxies for Multi-Turn Evaluation of AI Assistants? [61.07963107032645]
  大規模言語モデル(LLM)は、対話型アプリケーションでますます使われている。 人間の評価は、マルチターン会話におけるパフォーマンスを評価するためのゴールドスタンダードのままである。 我々は、909の注釈付き人間とLLMの会話を2つの対話タスクで行うベンチマークであるSimulatorArenaを紹介した。
  論文  参考訳（メタデータ） (2025-10-06T23:17:44Z)
• Multi-trait User Simulation with Adaptive Decoding for Conversational Task Assistants [11.092533523906834]
  本稿では,デコード時に多様なユーザプロファイルを生成する手法であるMulti-Trait Adaptive Decoding (mTAD)を提案する。 Conversational Task Assistantドメインから現実世界の対話を解析することにより、重要な対話特性を識別する。 我々は、会話の多様性を高めるプロファイル認識対話を生成するフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-10-16T09:40:34Z)
• Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
  マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。 これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。 本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
  論文  参考訳（メタデータ） (2023-10-31T14:12:07Z)
• 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)
• In-Context Learning User Simulators for Task-Oriented Dialog Systems [1.7086737326992172]
  本稿では,タスク指向対話システムにおけるユーザシミュレーションにおける大規模言語モデルの新たな応用について述べる。 提案手法は,これらのモデルのパワーを生かして,ユーザ目標と限られた対話例に基づく多様な発話を生成する。
  論文  参考訳（メタデータ） (2023-06-01T15:06:11Z)
• Metaphorical User Simulators for Evaluating Task-oriented Dialogue Systems [80.77917437785773]
  タスク指向対話システム(TDS)は、主にオフラインまたは人間による評価によって評価される。 本稿では,エンド・ツー・エンドのTDS評価のためのメタファ型ユーザシミュレータを提案する。 また,異なる機能を持つ対話システムなどの変種を生成するためのテスタベースの評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-02T05:11:03Z)
• 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。