論文の概要: ConvoDrift: A Multi-Turn Conversational Dataset for Modeling Stylistic Tone Evolution

• arxiv url: http://arxiv.org/abs/2610.02873v1
• Date: Fri, 02 Oct 2026 06:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.239806
• Title: ConvoDrift: A Multi-Turn Conversational Dataset for Modeling Stylistic Tone Evolution
• Title（参考訳）: ConvoDrift: ストリスティックトーン進化をモデル化するためのマルチターン会話データセット
• Abstract要約: ConvoDriftは、一定の意味的意図の下で進行的なスタイリスティックな会話のトーンドリフトをモデル化するために設計されたデータセットである。 15,727個の共用会話構造上に構築され、適応とペルソナ条件のアライメントを行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The evolution of linguistic style in conversations is an underexplored issue in NLP. Most style-control datasets focus on sentences or assume a static style throughout, missing the dynamic shifts that occur as user preferences change during interactions. We introduce ConvoDrift, a dataset designed to model progressive stylistic conversational tone drift under fixed semantic intent. It is built on 15,727 shared multi-turn conversational structures for adaptation and persona-conditioned alignment methods. It consists of six prompt-response pairs per conversation, each with the annotation of style drift and style direction labels. These pairs cover a range of communication genres. We further derive a complementary pairwise dataset by pairing semantically equivalent but stylistically distinct responses and annotating persona-conditioned preferences using five distinct style communication personas, enabling the controlled study of personalisation and pluralistic alignment in language tone. In addition to dataset construction, we conduct a comprehensive evaluation involving human validation, LLM-as-judge assessment, and automatic lexical and semantic evaluations. Across seven Likert criteria annotated by three human annotators, the average Krippendorff's alpha is 0.88, and our lexical and semantic analyses show that drift events induce lexical changes while preserving semantic similarity.
• Abstract（参考訳）: 会話における言語スタイルの進化は、NLPにおける未発見の問題である。 ほとんどのスタイル制御データセットは文に集中するか、静的なスタイルを仮定するが、インタラクション中にユーザの好みが変わると、動的シフトが失われる。 ConvoDrift(コンボダフト)は, 意味的意図の固定の下で, プログレッシブなスタイリスティックな会話のトーンドリフトをモデル化するためのデータセットである。 15,727個の共用会話構造上に構築され、適応とペルソナ条件のアライメントを行う。 会話ごとに6対のプロンプト応答ペアで構成され、それぞれにスタイルドリフトとスタイル方向ラベルのアノテーションがある。 これらのペアは様々なコミュニケーションのジャンルをカバーしている。 さらに、意味論的に等価だがスタイリスティックに異なる応答をペアリングし、5つの異なるスタイルのコミュニケーションペルソナを用いたペルソナ条件付き嗜好を注釈付けすることにより、パーソナライズと言語音の多元的アライメントの制御が可能な補完的なペアワイズデータセットを導出する。 データセット構築に加えて、人間の検証、LCM-as-judgeアセスメント、自動語彙および意味評価を含む総合的な評価を行う。 平均的なクリッペンドルフのαは0.88であり、我々の語彙的および意味論的分析は、ドリフトイベントが意味的類似性を保持しながら語彙的変化を引き起こすことを示している。

関連論文リスト

• Eval4Sim: An Evaluation Framework for Persona Simulation [9.555170143860694]
  Eval4Simは、人間の会話パターンといかに密にシミュレートされた会話を一致させるかを測定する評価フレームワークである。 絶対あるいは最適化指向のメトリクスとは異なり、Eval4Simは人間の会話コーパスを基準ベースラインとして使用し、両方の方向のずれを罰する。
  論文  参考訳（メタデータ） (2026-03-03T11:30:50Z)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• ParaGuide: Guided Diffusion Paraphrasers for Plug-and-Play Textual Style Transfer [57.6482608202409]
  テキストスタイル転送は、意味を保ちながらテキストのスタイル特性を変換するタスクである。 任意のスタイルに柔軟に適応できる汎用型転送のための新しい拡散型フレームワークを提案する。 本研究では,人的評価と自動評価の両面から,Enron Email Corpusの手法を検証するとともに,形式性,感情,さらにはオーサシップスタイルの伝達にも優れることを示す。
  論文  参考訳（メタデータ） (2023-08-29T17:36:02Z)
• Conversation Style Transfer using Few-Shot Learning [56.43383396058639]
  本稿では,会話スタイルの伝達を数ショットの学習問題として紹介する。 そこで本研究では,スタイルフリー対話による課題をピボットとして解くための,コンテキスト内学習手法を提案する。 会話スタイルの転送は下流のタスクにも役立ちます。
  論文  参考訳（メタデータ） (2023-02-16T15:27:00Z)
• Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
  応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。 我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
  論文  参考訳（メタデータ） (2022-10-07T00:09:22Z)
• Towards Robust and Semantically Organised Latent Representations for Unsupervised Text Style Transfer [6.467090475885798]
  この摂動モデルを完成させるEPAAE(Perturbed Adrial AutoEncoders)を導入する。 これは、(a)スタイル的に類似した文をまとめるより優れた組織化された潜在空間を生み出すことを実証的に示す。 また、テキストスタイルの転送タスクをNLIデータセットに拡張し、これらのより複雑なスタイル定義がEPAAEによって最もよく学習されていることを示す。
  論文  参考訳（メタデータ） (2022-05-04T20:04:24Z)
• Semantic-Enhanced Explainable Finetuning for Open-Domain Dialogues [33.50099424582726]
  本稿では,事前訓練された言語モデルとオープンドメイン対話モデルのためのモジュール型対話パラダイムを組み合わせることを提案する。 セマンティック・エンハンスド・ファインタニング(セマンティック・エンハンスド・ファインタニング)は,言語モデルファインタニングタスクとして会話理解,計画,応答生成をインスタンス化する。
  論文  参考訳（メタデータ） (2021-06-06T09:03:41Z)

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。