論文の概要: SIC-Agents: Benchmarking and Building an Adaptive Simulator for Pediatric Serious Illness Communication Training
- arxiv url: http://arxiv.org/abs/2608.29481v1
- Date: Sun, 30 Aug 2026 00:19:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.980011
- Title: SIC-Agents: Benchmarking and Building an Adaptive Simulator for Pediatric Serious Illness Communication Training
- Title（参考訳）: SIC-Agents:小児重症度コミュニケーショントレーニングのための適応シミュレータのベンチマークと構築
- Abstract要約: 小児SICトレーニングに適した,最初のベンチマークスイートとシミュレーションフレームワークを紹介する。
我々のベンチマークであるPitfallBenchとDialogueBenchは、ターンレベルとフルダイアログの両方でシミュレータを評価します。
そこで我々は,SIC-Agentsを提案する。SIC-Agentsは,医師が編集可能なスキルドキュメントを生成してシミュレータの動作をガイドする自己改善フレームワークである。
- 参考スコア（独自算出の注目度）: 25.629947641894688
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Pediatric serious illness communication (SIC) is critically important, yet scalable communication training for clinicians remains limited. Compared with other dialogue simulation settings, pediatric SIC poses additional challenges, including multi-party interactions, response to parental distress and strong dependence on feedback dynamics. Existing LLM-based simulators optimize generic dialogue quality rather than curriculum-contingent behavior required for effective SIC training. In collaboration with educators and pediatric clinicians, we introduce the first benchmark suite and simulation framework tailored to pediatric SIC training. Our benchmarks, PitfallBench and DialogueBench, evaluate simulators both at the turn-level and across full dialogues. We further propose SIC-Agents, a self-improving framework that generates a clinician-editable skill document to guide simulator behavior. Our experiments show that SIC-Agents outperforms static expert prompting. To support future research, we release our benchmarks for parent simulation in pediatric SIC at https://github.com/Beikewzh/sic-benchmarks
- Abstract（参考訳）: 小児重篤な病的コミュニケーション(SIC)は極めて重要であるが、臨床医のためのスケーラブルなコミュニケーション訓練は依然として限られている。
他の対話シミュレーション設定と比較して、小児科のSICは、多人数のインタラクション、親の苦痛への応答、フィードバックのダイナミクスへの強い依存など、さらなる課題を提起している。
既存のLCMベースのシミュレータは、効果的なSICトレーニングに必要なカリキュラム内容の振る舞いよりも、汎用的な対話品質を最適化する。
教育者や小児科医と共同で,小児科医のSICトレーニングに適した,最初のベンチマークスイートとシミュレーションフレームワークを導入する。
我々のベンチマークであるPitfallBenchとDialogueBenchは、ターンレベルとフルダイアログの両方でシミュレータを評価します。
さらに,SIC-Agentsを提案する。SIC-Agentsは,医師が編集可能なスキルドキュメントを生成してシミュレータの動作をガイドする自己改善フレームワークである。
実験の結果,SIC-Agentsは静的なプロンプトよりも優れていた。
今後の研究を支援するため,小児科SICにおける親シミュレーションのためのベンチマークをhttps://github.com/Beikewzh/sic-benchmarksで公開する。
関連論文リスト
- WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。
物理シミュレータが期待する観測能力を用いてACWMを評価する。
WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
論文 参考訳（メタデータ） (2026-08-10T08:48:06Z) - A French OSCE Dialogue Dataset and Controllable Virtual Patient System for Clinical Training [4.13196819783484]
240名の学生と患者との対話を含む,フランスのOSCE対話データセットについて紹介する。
制御可能なLLMベースのパイプラインを構築し,OSCE合成対話を生成する。
また,患者シミュレーションの品質,学生のパフォーマンス,言語的品質を評価する多段階評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-26T18:21:58Z) - Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases [71.12461204050985]
MedSP1000 (MedSP1000) は、SP由来の臨床エージェント評価のための対話型ベンチマークである。
ピアレビューされたSPの授業ケースを、定義されたSPケーススクリプト、臨床環境コンテキスト、人為的な構造化ルーブリックで実行可能なシナリオに変換する。
MedSP1000を多種多様な汎用および医療用LLMに適用すると、静的ベンチマークの性能がそのような教育シナリオに確実に変換されないことが分かる。
論文 参考訳（メタデータ） (2026-06-03T17:17:16Z) - PSI-Bench: Towards Clinically Grounded and Interpretable Evaluation of Depression Patient Simulators [14.323763649788907]
PSI-Benchは、うつ病患者シミュレーターの動作を解釈し、臨床的に根拠づけた診断を提供する自動評価フレームワークである。
PSI-Benchを用いて、2つのシミュレーターフレームワーク間で7つのLSMをベンチマークし、シミュレーターが過度に長く、語彙的に多様な応答を生成することを発見した。
人間の研究では、ベンチマークが専門家の判断と強く一致していることが示されています。
論文 参考訳（メタデータ） (2026-04-28T16:46:25Z) - An Agentic AI Framework for Training General Practitioner Student Skills [1.8865968025608468]
本稿では,一般学生のスキルを育成するためのエージェント・フレームワークを紹介し,エビデンスベースのビグネット生成,人格主導型患者対話,標準に基づく評価とフィードバックについて紹介する。
参加者は、現実的でヴィグネットに忠実な対話、適切な難易度調整、安定した性格信号、非常に有用なサンプルリッチフィードバックを報告した。
これらの結果は,信頼性と教育学的に価値のあるトレーニングツールを構築するための実践的パターンとして,シナリオ制御,インタラクション制御,標準に基づく評価のエージェント的分離を支援する。
論文 参考訳（メタデータ） (2025-12-20T17:26:39Z) - 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) - SOCIA: Joint Structure-Parameter Co-Optimization for Automated Simulator Construction [15.391456718509282]
エージェントを用いたコンピュータインテリジェンスのためのシミュレーションオーケストレーションは,シミュレータ構築を共同構造-パラメータ共最適化として扱うフレームワークである。
機構に富んだ青写真を生成し、明示的な調整可能なパラメータを公開し、キャリブレーションスキーマをインスタンス化する。
私たちはすぐにコードをリリースします。
論文 参考訳（メタデータ） (2025-05-17T13:47:31Z) - TRUST: An LLM-Based Dialogue System for Trauma Understanding and Structured Assessments [8.618945530676614]
本研究は,臨床症状を再現するLLMを用いた対話システムを開発することにより,メンタルヘルスアクセシビリティのギャップを埋めることを目的とする。
我々は、PTSDの正式な診断および評価を行うことができる協調LLMモジュールのフレームワークであるTRUSTを紹介する。
臨床医による時間と費用のかかる手動テストを置き換えるために,実生活の面接書に基づく患者シミュレーション手法を開発した。
論文 参考訳（メタデータ） (2025-04-30T17:58:06Z) - Self-Evolving Multi-Agent Simulations for Realistic Clinical Interactions [26.167030665482184]
MedAgentSimは、医師、患者、測定エージェントによる、オープンソースのシミュレートされた臨床環境である。
従来のアプローチとは違って,本フレームワークでは,マルチターン会話を通じて医師が患者と活発に交流する必要がある。
我々は、モデルが診断戦略を反復的に洗練できる自己改善メカニズムを組み込んだ。
論文 参考訳（メタデータ） (2025-03-28T17:59:53Z) - Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。
また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。
実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文 参考訳（メタデータ） (2025-01-29T18:58:48Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - 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)
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。