論文の概要: ER-EDF: A Psychology-Grounded Emotion Regulation Framework for Speech Empathetic Dialogue Generation in Large Audio-Language Models

• arxiv url: http://arxiv.org/abs/2609.15089v1
• Date: Mon, 14 Sep 2026 06:07:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.114937
• Title: ER-EDF: A Psychology-Grounded Emotion Regulation Framework for Speech Empathetic Dialogue Generation in Large Audio-Language Models
• Title（参考訳）: ER-EDF:大規模音声言語モデルにおける音声共感対話生成のための心理学習型感情制御フレームワーク
• Abstract要約: 音声対話システムにおける共感応答生成には、正確な感情知覚と適切な感情制御の両方が必要である。 本研究では,大規模音声モデルにおける感情知覚と感情制御を明確に分離するフレームワークER-EDFを提案する。 ER-EDFは, 自動評価と人的評価の両方において, 共感的応答品質を一貫して改善することを示した。
• 参考スコア（独自算出の注目度）: 13.58098743681316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Empathetic response generation in spoken dialogue systems requires both accurate emotion perception and appropriate emotion regulation. Grounded in psychological theories such as the Perception-Action Model and emotion regulation theory, effective empathy depends not only on inferring a user's affective state but also on regulating how it is expressed in responses. However, recent large audio-language models (LALMs) largely treat emotion as a direct conditioning signal, lacking explicit regulatory mechanisms, which often leads to affect mirroring rather than calibrated support. We propose ER-EDF, a psychology-grounded framework that explicitly decouples emotion perception and emotion regulation in LALMs. Perception tracks the user's emotional state, while regulation determines how this state should guide empathetic response generation. The framework is model-agnostic and integrates seamlessly into existing LALMs. We further construct a spoken empathetic dialogue dataset and introduce empathy-aware evaluation metrics beyond lexical matching. Experiments across five LALMs and two datasets show that ER-EDF consistently improves empathetic response quality in both automatic and human evaluations, highlighting the importance of jointly modeling emotion perception and regulation in spoken empathetic dialogue systems, paving a new direction for psychologically grounded empathetic AI.
• Abstract（参考訳）: 音声対話システムにおける共感応答生成には、正確な感情知覚と適切な感情制御の両方が必要である。 知覚・感情モデルや感情制御理論などの心理学理論に基づいて、効果的な共感は、ユーザの感情状態の推測だけでなく、どのように反応で表現されるかの調節にも依存する。 しかし、近年の大規模音声言語モデル(LALM)は、感情を直接条件付けの信号として扱うことが多く、明確な規制機構が欠如している。 本研究では,感情認識と感情制御を明示的に分離する心理学的枠組みであるER-EDFを提案する。 パーセプションはユーザーの感情状態を追跡し、規制は、この状態が共感的な反応生成をどのように導くべきかを決定する。 このフレームワークはモデルに依存しず、既存のLALMとシームレスに統合される。 さらに,音声共感対話データセットを構築し,語彙マッチングを超えた共感認識評価指標を導入する。 5つのLALMと2つのデータセットにわたる実験により、ER-EDFは自動評価と人的評価の両方において、共感的応答品質を一貫して改善し、音声の共感的対話システムにおいて、共同で感情知覚と規制をモデル化することの重要性を強調し、心理的に接地された共感的AIのための新しい方向性を創出している。

関連論文リスト

• Closing the Affective Loop: Multimodal Speaker-Listener Emotion-Dynamics-Aware Empathetic Social Robots [19.640979258341904]
  AffectLoopは、Misty IIロボットに実装された話者-リスナーの感情力学を意識した音声対話システムである。 このシステムは、感情的に相反するエンパシー的行動とともに、短い音声のエンパシー的反応を生成する。 予備的な結果は、話者の感情動態とリスナーの感情状態の両方を明示的にモデル化することで、共感的相互作用を改善することを示唆している。
  論文  参考訳（メタデータ） (2026-08-17T15:08:38Z)
• Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models [5.079126066502806]
  感情のトーンは人間のコミュニケーションにおいて広まっていますが、大きな言語モデル(LLM)の振る舞いへの影響はいまだ不明です。 本稿では,ユーザ側クエリにおける1対1の感情的フレーミングが,6つのベンチマークドメイン間でのLLM性能に与える影響について検討する。 本稿では,各問合せに対して感情的フレーミングを適応的に選択する適応的感情的促進フレームワークであるEmotionRLを紹介する。
  論文  参考訳（メタデータ） (2026-04-02T16:31:08Z)
• ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
  ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。 ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。 ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
  論文  参考訳（メタデータ） (2026-02-13T08:33:37Z)
• Reflecting Twice before Speaking with Empathy: Self-Reflective Alternating Inference for Empathy-Aware End-to-End Spoken Dialogue [53.95386201009769]
  音声対話における共感的品質を評価するための記述型自然言語ベース評価モデルであるEmpathyEvalを紹介する。 本稿では,共感的自己反射的交替推論機構を通じて共感的対話を強化する,エンドツーエンドの音声言語モデルであるReEmpathyを提案する。
  論文  参考訳（メタデータ） (2026-01-26T09:04:50Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• Do LLMs "Feel"? Emotion Circuits Discovery and Control [54.57583855608979]
  本研究では、感情表現を引き起こす内部メカニズムと、生成したテキストにおける感情の制御について検討する。 これは、大きな言語モデルで感情回路を発見し、検証する最初の体系的な研究である。
  論文  参考訳（メタデータ） (2025-10-13T12:24:24Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• From Rational Answers to Emotional Resonance: The Role of Controllable Emotion Generation in Language Models [16.350658746140788]
  大規模言語モデル(LLM)は、一貫性があり、制御可能で、文脈的に適切な方法で感情を表現するのに苦労する。 感情ベクトル(EV)に基づく制御可能な感情生成フレームワークを提案する。 本手法は、追加のトレーニングやアーキテクチャの変更なしに、感情のトーンを微調整し、連続的に調整することができる。
  論文  参考訳（メタデータ） (2025-02-06T13:38:57Z)
• CTSM: Combining Trait and State Emotions for Empathetic Response Model [2.865464162057812]
  共感応答生成は、対話システムに話者の感情を知覚し、それに応じて共感応答を生成する。 我々は,共感反応モデル(CTSM)のためのトラストと状態感情の組み合わせを提案する。 対話における感情を十分に知覚するために、まず特徴と状態の感情の埋め込みを構築し、エンコードする。 感情表現を誘導する感情誘導モジュールにより、感情知覚能力をさらに強化する。
  論文  参考訳（メタデータ） (2024-03-22T10:45:13Z)
• E-CORE: Emotion Correlation Enhanced Empathetic Dialogue Generation [33.57399405783864]
  本稿では,感情相関を改良した共感対話生成フレームワークを提案する。 具体的には、文脈に基づく感情の相互作用を捉えるために、マルチレゾリューション感情グラフを考案した。 そこで我々は,感情相関強化デコーダを提案し,新しい相関認識アグリゲーションとソフト/ハード戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-25T12:47:39Z)
• CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic Response Generation [59.8935454665427]
  共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。 共感的対話生成のためのCASEモデルを提案する。
  論文  参考訳（メタデータ） (2022-08-18T14:28:38Z)

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。