論文の概要: InterSocialBench: Benchmarking Human and LLM Preferences for Companion-Robot Social Behavior
- arxiv url: http://arxiv.org/abs/2609.15455v1
- Date: Mon, 14 Sep 2026 12:21:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.319586
- Title: InterSocialBench: Benchmarking Human and LLM Preferences for Companion-Robot Social Behavior
- Title（参考訳）: InterSocialBench:コンパニオンロボット社会行動のための人間とLLMの選好のベンチマーク
- Abstract要約: 210の国内シナリオと18のハイレベル行動のベンチマークであるInterSocialBenchを紹介する。
構造化された建設パイプラインは、行動の代替、競合する状況の手がかり、関連する履歴と将来のタスクをカバーしている。
ヒトはシナリオ毎に4.68の異なる選択を示しており、モデルでは2.06--3.46である。
- 参考スコア（独自算出の注目度）: 4.142294064933311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Companion robots face everyday situations in which several feasible behaviors may be appropriate, yet different people prefer different responses. We introduce InterSocialBench, a benchmark of 210 domestic scenarios and 18 high-level behaviors, pairing judgments from 100 human participants with 23,520 responses from seven large language models under 16 personality conditions. Each human annotation preserves a preferred action alongside explicitly appropriate and inappropriate candidates. A structured construction pipeline covers behavioral alternatives, competing situational cues, and relevant history and future tasks. Evaluation distinguishes preferred-choice agreement from explicit rejection, using scenario-grouped splits for trainable predictors. Simple frequency and persona-voting baselines illustrate these objectives. Across the tested prompts, model and human behavior distributions differ, and the diversity gap remains after matching response counts: humans exhibit 4.68 distinct choices per scenario, compared with 2.06--3.46 for the models. Human scenario-level plurality agreement is 51.5%, describing disagreement rather than a universal prediction ceiling. InterSocialBench supports evaluating social behavior selection without replacing individual judgments with a single consensus label.
- Abstract（参考訳）: コンパニオンロボットは、いくつかの実現可能な行動が適切であるような日常的な状況に直面しているが、異なる人々は異なる反応を好む。
210件の国内シナリオと18件のハイレベル行動のベンチマークであるInterSocialBenchを紹介する。
人間のアノテーションは、明示的に適切で不適切な候補と並んで、望ましいアクションを保持する。
構造化された建設パイプラインは、行動の代替、競合する状況の手がかり、関連する履歴と将来のタスクをカバーしている。
評価は、トレーニング可能な予測器のシナリオグループ分割を用いて、好ましくない合意と明示的な拒絶とを区別する。
単純な周波数とペルソナ投票ベースラインは、これらの目的を説明する。
テストされたプロンプト、モデル、人間の行動の分布は異なり、応答数に応じて多様性の差は残る:人間はシナリオ毎に4.68の異なる選択を示し、モデルでは2.06--3.46である。
ヒトのシナリオレベルの複数の合意は51.5%であり、普遍的な予測天井よりも不一致を記述している。
InterSocialBenchは、個々の判断を単一のコンセンサスラベルに置き換えることなく、社会的行動の選択を評価する。
関連論文リスト
- GLARE: Generative Learning via Adversarial Reward Estimation For Social Dynamics Forecasting [64.66483488975663]
MDFB(Mathing Dynamic Forecasting Benchmark)について紹介する。
実際の会議は2,207件、将来のクエリは24,794件だった。
また,条件付き言語生成への逆模倣学習の適応であるGLAREを提案する。
論文 参考訳（メタデータ） (2026-09-10T19:52:34Z) - Creating an Atomic User Model for Personality-Aware Large Language Model Interaction [0.0]
原子ユーザモデル(アトミックユーザモデル、Atomic User Model、AUM)は、安定的なアイデンティティー核として人を組織する人間可読表現である。
タスク分類器、コンポーネント選択関数、予算付きレトリバーが生成時にフィールドの小さなペイロードを返すパイプライン。
8つのフィールドを取得することは、コンテキストの23%で完全なユーザモデルのスタイル忠実さと一致した。
論文 参考訳（メタデータ） (2026-09-10T18:11:43Z) - A Three-Tier Persona Vector for Controllable User Simulation in Agentic Evaluation [0.9918136378822991]
23の操作次元を持つ3層ペルソナベクトルを提案する。
我々は64,698件の会話で合成データ生成パイプライン内のペルソナモデルを評価する。
論文 参考訳（メタデータ） (2026-09-08T11:28:02Z) - TurnBench: A Multi-Domain Benchmark for Turn-Taking Dynamics in Spoken Dialogue [79.83228182492354]
自然な会話の話し手は、話と聞き取りを交互に行い、いつ床をつかむか、保持するか、または譲るかをリアルタイムで決める。
そこで本研究では,30時間の人的会話を手作業でラベル付けしたコーパスを,エンド・オブ・ターンと割り込み検出のための標準評価プロトコルと組み合わせたベンチマークTurnBenchを提案する。
一方、割り込み偽陽性は強く型依存的であり、バックチャネル・デンス相互作用スタイルに集中している。
論文 参考訳（メタデータ） (2026-08-25T23:14:36Z) - FriendBench: Benchmarking Dyadic Familiarity Inference in Humans and Multimodal Large Language Models [0.697126257791126]
FriendBenchは、2人がすでに馴染みがあるか、見知らぬ人として会っているかを推測するためのベンチマークである。
すべてのペアは同じタイプのプロンプトに答えるので、インタラクションの方法だけが答えを明らかにすることができます。
96のバランスの取れたダイアドに対して、7社の26のモデルをマッチした人間のパネルと比較した。
論文 参考訳（メタデータ） (2026-07-31T16:33:39Z) - BehaviorBench: Modeling Real-World User Decisions from Behavioral Traces [53.55407626944686]
textscBehaviorBenchは、実世界の行動トレースからパーソナライズされた意思決定モデリングを評価するためのベンチマークである。
textscBehaviorBenchは、公開市場とオンチェーンの記録からウォレットレベルの意思決定履歴を再構築する。
2,000以上の評価ウォレットで、ベンチマークには141,445のBeliefインスタンスと1,485,972のTradeインスタンスが含まれている。
論文 参考訳（メタデータ） (2026-06-01T19:04:36Z) - PRISM-X: Experiments on Personalised Fine-Tuning with Human and Simulated Users [14.768125931006798]
パーソナライズ手法の有効性は、実際の人ではなくシミュレーションユーザーを用いて学術研究で評価されることが多い。
これにより、ユーザとそのシミュレートされた相手が、インタラクションパターンや判断においてどのように異なるかという疑問が提起される。
論文 参考訳（メタデータ） (2026-05-13T10:21:14Z) - Social-Media Based Personas Challenge: Hybrid Prediction of Common and Rare User Actions on Bluesky [0.7305019142196582]
本稿では,ソーシャルメディア利用者の行動予測のためのハイブリッド手法を提案する。
多様な行動語彙にまたがる頻繁な行動と頻繁な行動の両方に対処する。
われわれのアプローチは、SocialSim: Social-Media Based Personas Challengeで第一位となった。
論文 参考訳（メタデータ） (2025-11-21T13:40:14Z) - Promptable Behaviors: Personalizing Multi-Objective Rewards from Human
Preferences [53.353022588751585]
本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。
我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。
本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
論文 参考訳（メタデータ） (2023-12-14T21:00:56Z) - Learning signatures of decision making from many individuals playing the
same game [54.33783158658077]
我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。
我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
論文 参考訳（メタデータ） (2023-02-21T21:41:53Z) - Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。
我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。
我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
論文 参考訳（メタデータ） (2020-09-15T10:50:05Z)
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。