論文の概要: ThuRunel: Dynamic Decoupling for Structured Advisory Dialogue

• arxiv url: http://arxiv.org/abs/2609.36340v1
• Date: Mon, 28 Sep 2026 22:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.043183
• Title: ThuRunel: Dynamic Decoupling for Structured Advisory Dialogue
• Title（参考訳）: ThuRunel: 構造化アドバイザリ対話のための動的デカップリング
• Abstract要約: ThuRunelは、有限状態の信念管理フレームワーク、チェーン・オブ・シンセサイザープロトコル、および学習された合成生成アダプタを組み合わせたアドバイザリエージェントである。 本稿では,有限状態信念管理フレームワーク,チェーン・オブ・シンセサイザー・プロトコル,および合成生成アダプタを併用したアドバイザリエージェントであるThuRunelを紹介する。
• 参考スコア（独自算出の注目度）: 15.52620573170281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-stakes advisory domains such as medical aesthetics, legal consultation, and educational planning exhibit a two-phase structure. The early phase requires empathetic elicitation and emotional support, and the late phase requires authoritative specialist judgment. Neither fully automated agents nor human junior consultants adequately address this structure at scale. We formalize the core design challenge as dynamic decoupling, asking how an AI advisory agent should decide what to ask, when to stop, what to resolve autonomously, and what to forward to the specialist. We present ThuRunel, an advisory agent combining a finite-state belief management framework, a chain-of-thought teacher synthesis protocol, and learned generation adapters. Against eleven baselines, ThuRunel achieves consistent improvements in elicitation completeness and specialist brief quality. ThuRunel is publicly deployed as a bilingual web application in which the same decoupling decisions operate from the client's side, grounded in a curated knowledge base that cites its sources in every answer.
• Abstract（参考訳）: 医療美学、法律相談、教育計画などの高度な助言領域は、2段階の構造を示している。 初期の段階は共感的誘発と感情的支援を必要とし、後期段階は権威的な専門的判断を必要とする。 完全に自動化されたエージェントも、人間のジュニアコンサルタントも、この構造を大規模に扱うことはできない。 我々は、コアデザインの課題を動的疎結合として形式化し、AIアドバイザリエージェントが何を尋ねるか、いつ停止するか、何を自律的に解決するか、専門家に何を転送するかを問う。 本稿では,有限状態信念管理フレームワーク,チェーン・オブ・シンセサイザー合成プロトコル,学習用アダプタを組み合わせたアドバイザリエージェントThuRunelを紹介する。 11のベースラインに対して、ThuRunelは、エレキューション完全性と専門的な簡潔な品質において、一貫した改善を実現している。 ThuRunelはバイリンガルWebアプリケーションとして公開されており、同じ分離決定がクライアント側から実行され、すべての回答でソースを引用するキュレートされた知識ベースに基づいています。

関連論文リスト

• Specifying the Delegated-Autonomy Boundary: Requirements Engineering for Agentic AI [5.421928928336395]
  エージェントAIシステムは、さまざまな自律性を持つ外部環境を計画し、状態を維持し、行動する。 現在のプラクティスでは、要求レベルのコミットメントであっても、プロンプトやツールスキーマ、ランタイムポリシにこれらの決定を埋めています。 本稿では,エージェンシー・ジャストフィケーション・レコードとエージェント・デリゲーション・ポリシーの2つの補完的アーティファクトを提案する。
  論文  参考訳（メタデータ） (2026-07-19T12:27:39Z)
• AI-Mediated Negotiation: Design Reflections and Lessons [15.57105036031543]
  私たちは、会話型AIをテストするための理論駆動型コーチングシステムであるTruceyを構築しました。 事前登録された実験とインタビューは、それぞれ複雑だった。 確立されたHAI設計ガイドラインに基づいて,未検討のスコープ条件を同定する。
  論文  参考訳（メタデータ） (2026-06-20T05:15:28Z)
• Deep Reasoning in General Purpose Agents via Structured Meta-Cognition [58.185853639335896]
  構造化メタ推論を用いてタスク固有の足場を構築するための推論時アプローチを提案する。 我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェントでこのアプローチをインスタンス化する。
  論文  参考訳（メタデータ） (2026-05-12T01:21:37Z)
• Reflecting in the Reflection: Integrating a Socratic Questioning Framework into Automated AI-Based Question Generation [10.05797775116765]
  本稿では,大規模言語モデル(LLM)を用いたリフレクション質問の自動生成のためのリフレクション・イン・リフレクション・フレームワークを提案する。 本稿では,教師と教師の2つの役割特化エージェントをコーディネートし,ソクラテス的多ターン対話を行い,一つの質問を反復的に洗練する手法を提案する。 我々の2エージェントプロトコルは、ワンショットベースラインよりもはるかに関連性があり、より深く、より総合的に判断される質問を生成する。
  論文  参考訳（メタデータ） (2026-01-21T09:23:11Z)
• 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)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Response-act Guided Reinforced Dialogue Generation for Mental Health Counseling [25.524804770124145]
  本稿では、メンタルヘルスカウンセリング会話のための対話行動誘導応答生成器READERについて述べる。 READERは変換器上に構築されており、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。 ベンチマークカウンセリング会話データセットであるHOPE上でREADERを評価する。
  論文  参考訳（メタデータ） (2023-01-30T08:53:35Z)
• When to Ask for Help: Proactive Interventions in Autonomous Reinforcement Learning [57.53138994155612]
  強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。 重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。 本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:57:24Z)
• Ask-AC: An Initiative Advisor-in-the-Loop Actor-Critic Framework [41.04606578479283]
  本稿では,Ask-ACと呼ばれる新しいアドバイザリ・イン・ザ・ループアクター・クリティカル・フレームワークを提案する。 Ask-ACの中心には2つの補完的なコンポーネント、すなわちアクションリクエスタとアダプティブステートセレクタがある。 定常環境および非定常環境における実験結果から,提案手法はエージェントの学習効率を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2022-07-05T10:58:11Z)
• Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
  我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。 専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。 専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-24T14:27:00Z)

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。