論文の概要: Think Before You Comfort: Reflective Cognitive Alignment for Protocol-Grounded Elderly Stimulation Agents
- arxiv url: http://arxiv.org/abs/2609.17536v1
- Date: Mon, 13 Jul 2026 12:47:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.545793
- Title: Think Before You Comfort: Reflective Cognitive Alignment for Protocol-Grounded Elderly Stimulation Agents
- Title（参考訳）: 高齢者刺激薬の反射的認知アライメント
- Abstract要約: 反射認知アライメント(RCA)は、連続的な決定プロセスとして相互作用を刺激する。
RCAは、標準のプロンプトベースラインよりもプロトコルの遵守、安全性、グループファシリテーションを一貫して改善する。
- 参考スコア（独自算出の注目度）: 48.15163583481749
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive Stimulation Therapy (CST) offers non-pharmacological support for elders with cognitive impairment, yet scalability remains constrained by reliance on trained facilitators and severe data scarcity, particularly for privacy-sensitive, low-resource languages such as Cantonese. While Large Language Models (LLMs) show promise for automated companionship, they often struggle to balance empathetic engagement with adherence to cognitive stimulation guidelines. We propose a framework addressing these challenges along two complementary axes. First, STaR-CS (Style-Transfer and Role-Conditioned Cognitive Stimulation) synthesizes multi-party dialogues through facilitator style modeling and structured skeleton extraction, mitigating data barriers. Building upon this corpus, the Reflective Cognitive Alignment (RCA) framework models stimulation interactions as a sequential decision process, integrating Protocol-Constrained Chain-of-Cognition (PC-CoC) for structured reasoning and Inference-Time Value Alignment (IVA) for principled response selection based on safety and engagement goals. Evaluations across six backbone LLMs and two independent judges show that RCA consistently improves protocol adherence, safety, and group facilitation over standard prompting baselines. Our code is available at https://github.com/jiangjyjy/RCA_Agent.
- Abstract（参考訳）: 認知刺激療法(Cognitive Stimulation Therapy, CST)は、認知障害を持つ高齢者の非薬物学的サポートを提供するが、拡張性は、訓練されたファシリテーターへの依存と、特にカントン語のようなプライバシーに敏感で低リソースの言語への厳しいデータ不足によって制限されている。
LLM(Large Language Models)は、自動的な協力を約束する一方で、認知刺激ガイドラインの遵守と共感的関与のバランスをとるのに苦慮することが多い。
2つの相補的な軸に沿ってこれらの課題に対処するフレームワークを提案する。
まず、STaR-CS(Style-Transfer and Role-Conditioned Cognitive Stimulation)は、ファシリテータスタイルモデリングと構造化骨格抽出を通じて多人数対話を合成し、データバリアを緩和する。
このコーパスに基づいて、リフレクティブ認知アライメント(RCA)フレームワークは、相互作用を逐次決定プロセスとしてモデル化し、構造化推論のためのProtocol-Constrained Chain-of-CoC(Protocol-Constrained Chain-of-CoC)と、安全性とエンゲージメント目標に基づいた原則化された応答選択のための推論時値アライメント(IVA)を統合する。
6つのバックボーンLCMと2つの独立した審査員による評価は、RCAが標準的基準よりもプロトコルの遵守、安全性、グループファシリテーションを一貫して改善していることを示している。
私たちのコードはhttps://github.com/jiangjyjy/RCA_Agent.comで公開されています。
関連論文リスト
- Toward Generalizable Cognitive Impairment Detection with Speech-Based Multimodal Large Language Models [6.567438338350837]
音声信号は認知低下に関連する言語マーカーと音響マーカーの両方を符号化する。
大規模言語モデル(LLM)の最近の進歩は,音声に基づく評価の可能性を高めている。
本稿では,音声音声と対応する書き起こしを統合したオープンソースのLLMに基づくマルチモーダルCI検出フレームワークを提案する。
本研究は、CI識別のための新しい最先端技術を確立し、提案手法により、より優れたクロスデータセットの一般化を実証する。
論文 参考訳（メタデータ） (2026-07-23T16:43:12Z) - When Clients Stop Following: A Cognitive Conceptualization Diagram-driven Framework for Strategic Counseling [7.733715213738371]
既存のベンチマークは、高度に協調的なシミュレートされたクライアントに大きく依存している。
これらのクライアントはしばしば、わずか数回で抵抗からコンプライアンスへと急速に移行します。
本稿では,認知行動療法(CBT)を基盤とした抵抗認識フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-03T03:09:10Z) - Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition [52.63676763985825]
トークンレベルの精度を超えた認識品質を評価するための意味認識評価指標を提案する。
我々は,人間のようなマルチターンインタラクションをシミュレートするエージェント・フレームワークを設計し,認識出力の反復的改善を可能にする。
対話型およびエージェント型ASRにおける今後の研究を促進するためのコードをリリースする。
論文 参考訳（メタデータ） (2026-04-10T09:02:42Z) - CCD-CBT: Multi-Agent Therapeutic Interaction for CBT Guided by Cognitive Conceptualization Diagram [7.766423559393797]
2つの軸に沿ってCBTシミュレーションをシフトするマルチエージェントフレームワークであるCCD-CBTを紹介する。
CCDCHATで微調整されたモデルは、カウンセリングの忠実度と肯定的影響の増強の両方において、強いベースラインを上回ります。
論文 参考訳（メタデータ） (2026-04-08T00:58:58Z) - A Principle-Driven Adaptive Policy for Group Cognitive Stimulation Dialogue for Elderly with Cognitive Impairment [46.48467561674335]
本稿では,グループ認知刺激対話システムを通じて実現された原則駆動適応政策を提案する。
まず,500時間以上の現実世界のCST会話と1万以上のシミュレーション対話を原則誘導シナリオシミュレーションによって生成したデータセットを構築した。
次に、GCSDシステムは、制限を克服するために、4つのコアモジュールを統合する。 (i) 役割混乱を解決するためのマルチスピーカコンテキストコントローラ、 (ii) 認知刺激に焦点を絞った注意損失、 (iv) 応答値を高めるための多次元報酬戦略。
論文 参考訳（メタデータ） (2026-03-01T15:43:21Z) - MindChat: A Privacy-preserving Large Language Model for Mental Health Support [10.332226758787277]
我々は、メンタルヘルス支援のためのプライバシー保護型大規模言語モデルであるMindChatを紹介する。
我々はまた、マルチエージェントロールプレイングフレームワークを用いて構築された合成マルチターンカウンセリングデータセットであるMindCorpusを提示する。
論文 参考訳（メタデータ） (2026-01-05T10:54:18Z) - STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。
我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。
MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-08-26T08:47:58Z) - Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making [80.94208848596215]
提案する概念は「Catfish Agent」である。これは、構造的不満を注入し、無声な合意に反するように設計された役割特化LDMである。
組織心理学において「ナマズ・エフェクト」にインスパイアされたカマズ・エージェントは、より深い推論を促進するために、新たなコンセンサスに挑戦するように設計されている。
論文 参考訳（メタデータ） (2025-05-27T17:59:50Z)
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。