論文の概要: RESCUE-BENCH: Towards Relation-Aware Multi-Party Emotional Support Conversation Systems
- arxiv url: http://arxiv.org/abs/2609.09657v1
- Date: Wed, 09 Sep 2026 03:14:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.882529
- Title: RESCUE-BENCH: Towards Relation-Aware Multi-Party Emotional Support Conversation Systems
- Title（参考訳）: ReSCUE-BENCH:Relation-Aware Multi-Party Emotional Support Conversation System
- Abstract要約: 我々は、LLMがより効果的な感情支援を提供するために、関係の進化するダイナミクスを捉え、活用できるかどうかを評価する新しいタスクである感情支援関係認識会話を導入する。
実対・家族対面の会話からRESCUE(Relation-aware Emotional Support Conversation Understanding and Evaluation Benchmark)を構築した。
- 参考スコア（独自算出の注目度）: 20.475363299302185
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing emotional support conversation systems mainly focus on one-on-one seeker-supporter interactions and individual emotional states, leaving interpersonal relations in multi-party scenarios underexplored. In this work, we introduce relation-aware emotional support conversation, a new task that evaluates whether LLMs can capture and utilize the evolving dynamics of relationships to offer more effective emotional support. We construct RESCUE (Relation-aware Emotional Support Conversation Understanding and Evaluation Benchmark) from real couple and family interview conversations, containing 191 samples, 7,079 annotated turns, and 1,064.8 minutes of video. Based on rich annotations of socio-emotional and support-related dynamics, RESCUE defines six tasks that evaluate two core capabilities required for relation-aware emotional support: Relational Understanding and Relation-Sensitive Support. Experiments with ten LLMs show that current models perform relatively well on tasks relying on local emotional or intervention cues, but struggle with relation-intensive tasks such as relation pattern prediction, viewpoint prediction, and support strategy prediction. These findings reveal the limitations of current LLMs in modeling interpersonal relations and making relation-sensitive support decisions.
- Abstract（参考訳）: 既存の感情支援会話システムは、主に1対1の探究支援者相互作用と個人の感情状態に焦点を当てており、多人数のシナリオにおける対人関係は未解明のままである。
本研究では、LLMがより効果的な感情支援を提供するために、関係の進化するダイナミクスを捉え、活用できるかどうかを評価する新しいタスクである、関係認識型感情支援会話を紹介する。
実対面談話からRESCUE(Relation-aware Emotional Support Conversation Understanding and Evaluation Benchmark)を構築し,191個のサンプル,7,079個の注釈付きターン,1,064.8分間のビデオを含む。
RESCUEは、社会感情とサポート関連ダイナミクスの豊富なアノテーションに基づいて、関係認識型感情支援に必要な2つのコア機能を評価する6つのタスクを定義している。
10個のLCMを用いた実験では、現在のモデルは局所的な感情的または介入の方法に依存するタスクで比較的よく機能するが、関係パターン予測、視点予測、サポート戦略予測といった関係集約的なタスクに苦慮している。
これらの結果は、対人関係をモデル化し、関係性に敏感な支援決定を行う上で、現在のLLMの限界を明らかにしている。
関連論文リスト
- From Momentary Emotion Inference to Sustained Emotion Support: Evaluating a Companion Agent in a Longitudinal Study [10.538313417326078]
我々は、理論に基づく感情制御コンパニオンであるPAIRを用いて、感情支援を持続する質的エージェントについて検討する。
1,093セッションの前後で、感情推定と自己報告とを比較し、ログとインタビューを分析した。
本研究は,記憶の更新と横断的パーソナライゼーションの補正をリンクし,将来の感情支援ツールに通知した。
論文 参考訳（メタデータ） (2026-09-14T21:06:59Z) - Which LLM Is Your Ideal Companion? Evaluating Emotional Companion Capabilities of LLMs Based on Adult Attachment Theory [3.7359433892769203]
成人アタッチメント理論を大規模言語モデル(LLM)評価に導入する。
現実的な相互作用シナリオにおけるLLMの感情的相補性を評価するために,感情的相補性ベンチマークECBenchを提案する。
論文 参考訳（メタデータ） (2026-08-13T12:32:33Z) - ENPMR-Bench: Benchmarking Proactive Memory Retrieval for Emotional Support Agents [53.83618283684421]
ENPMR-Benchは,情緒的欲求認識型アクティブメモリ検索のためのベンチマークである。
ENPMR-Benchは1,800以上のメモリ拡張ダイアログを含み、感情的なニーズと支援的なメモリタイプの間の構造化マッピングを定義する。
論文 参考訳（メタデータ） (2026-05-26T16:22:35Z) - Detecting Emotional Dynamic Trajectories: An Evaluation Framework for Emotional Support in Language Models [6.810484095299127]
感情支援は人間とAIの相互作用における中核的な能力であり、心理学的カウンセリング、ロールプレイ、コンパニオンシップなどの応用がある。
大規模言語モデル(LLM)の既存の評価は、しばしば短く静的な対話に依存し、感情的サポートの動的で長期的な性質を捉えない。
本フレームワークは,328の情緒的文脈と1,152の外乱イベントからなる大規模ベンチマークを構築し,進化する対話シナリオ下での現実的な情緒的変化をシミュレートする。
論文 参考訳（メタデータ） (2025-11-12T05:47:28Z) - MME-Emotion: A Holistic Evaluation Benchmark for Emotional Intelligence in Multimodal Large Language Models [108.61337743051483]
MME-Emotionは,MLLMの感情的理解と推論能力の両方を評価するシステムベンチマークである。
MME-Emotionには6000以上のキュレートされたビデオクリップとタスク固有の質問回答(QA)ペアが含まれており、8つの感情的なタスクを定式化するための広いシナリオにまたがっている。
マルチエージェントシステムフレームワークを通じて分析された、感情認識と推論のためのハイブリッドメトリクスを備えた総合評価スイートが組み込まれている。
論文 参考訳（メタデータ） (2025-08-11T03:14:55Z) - IntentionESC: An Intention-Centered Framework for Enhancing Emotional Support in Dialogue Systems [74.0855067343594]
感情的支援の会話では、意図の不明確さは、支持者に不適切な戦略を採用させる可能性がある。
Intention-centered Emotional Support Conversation frameworkを提案する。
支援者の意図を定義し、これらの意図を推測するための重要な感情状態の側面を特定し、それらを適切な支援戦略にマッピングする。
論文 参考訳（メタデータ） (2025-06-06T10:14:49Z) - SweetieChat: A Strategy-Enhanced Role-playing Framework for Diverse Scenarios Handling Emotional Support Agent [27.301608019492043]
大規模言語モデル(LLM)は、相互作用中に共感的サポートを提供する有望な可能性を実証している。
本稿では,現実的な感情支援会話をシミュレートする,革新的な戦略強化型ロールプレイングフレームワークを提案する。
本フレームワークでは,3.7K+のマルチターン対話と62.8K+の発話からなるtextbfServeForEmoデータセットを開発した。
論文 参考訳（メタデータ） (2024-12-11T13:56:04Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z) - Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。
マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2023-07-16T09:58:44Z) - PoKE: Prior Knowledge Enhanced Emotional Support Conversation with
Latent Variable [1.5787128553734504]
感情的なサポートは、対話システムにトレーニングされるべき重要なコミュニケーションスキルです。
既存の研究の多くは、現在の状況に応じて支援戦略を予測し、対応する感情的支援を提供する。
本稿では,潜在変数モデルであるPoKEを用いた事前知識向上型感情支援会話を提案する。
論文 参考訳（メタデータ） (2022-10-23T07:31:24Z) - Towards Emotional Support Dialog Systems [61.58828606097423]
本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。
本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。
情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
論文 参考訳（メタデータ） (2021-06-02T13:30:43Z)
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。