論文の概要: Evidence and Intervention: A Coupled Active-Inference Extension of Rational Speech Act Models
- arxiv url: http://arxiv.org/abs/2610.04347v1
- Date: Sat, 03 Oct 2026 07:17:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 11:15:36.488704
- Title: Evidence and Intervention: A Coupled Active-Inference Extension of Rational Speech Act Models
- Title（参考訳）: Evidence and Intervention:Coupled Active-Inference Extension of Rational Speech Act Models
- Abstract要約: 本研究では,話者の発話に対するリスナーの確率が話者による政策分布となる対話の能動推論モデルを開発する。
したがって、それぞれの発話は証拠であり、パートナーへの介入である。
- 参考スコア（独自算出の注目度）: 0.15293427903448023
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Identical utterance choices can arise from different communicative causes, and identical interpretations can leave different traces in what a listener learns. Rational Speech Act (RSA) models treat interpretation as inference over speaker meaning, but standard one-shot RSA does not intrinsically distinguish these causal update targets. We develop a coupled active-inference model of dialogue in which a listener's likelihood for an utterance is the policy distribution attributed to the speaker, placing the speaker's expected free energy within the listener's variational free energy. Each utterance is therefore both evidence about and an intervention on a partner. The model separates four updates that RSA approaches typically collapse: inference about the partner's current pragmatic state; learning of partner-specific parameters; prospective evaluation of clarification or repair; and a policy prior shaped by habit and a context-sensitive price of time. Under one-step, exact-inference restrictions, the model recovers the RSA speaker and listener, with RSA as the restricted single-turn limit of the coupled process. Outside these restrictions, the updates obey distinct rules and timescales, predicting which adaptations persist, remain partner-specific, or transfer. Worked examples show audience design reversing after clarification, self-confirming misunderstanding in which both interlocutors have low free energy while disagreeing about reference, and rational closing before uncertainty is resolved. Consistent with critiques of equating natural language with communication, the model treats communication as a downstream use of linguistic structure and recasts production and interpretation as coupled inference: speaking is both an intervention on a partner and an epistemic action that samples evidence for the speaker's model of that partner.
- Abstract（参考訳）: 同一の発話選択は、異なるコミュニケーション原因から生じ、同じ解釈は、聴取者が学習するものに異なる痕跡を残すことができる。
合理的音声法(RSA)モデルは、解釈を話者の意味に対する推論として扱うが、標準のワンショットRSAは、これらの因果的更新ターゲットを本質的に区別しない。
本研究では,話者が発話する確率が話者による政策分布であり,話者が期待する自由エネルギーをリスナーの変動自由エネルギーに配置する対話のアクティブ推論モデルを開発する。
したがって、それぞれの発話は証拠であり、パートナーへの介入である。
モデルでは、RSAのアプローチが一般的に崩壊する4つの更新を分離している。パートナーの現在の実用的状態の推測、パートナー固有のパラメータの学習、明確化や修復の見通し評価、習慣と文脈に敏感な時間価格によって以前に形成されたポリシーである。
一段階の正確な推論制限の下で、モデルはRSA話者とリスナーを回復し、RSAは結合プロセスの制限されたシングルターン制限となる。
これらの制限の外では、更新は異なるルールとタイムスケールに従って、どの適応が持続するか、パートナー固有のままか、移行するかを予測する。
作業例では、明確化後の観客デザインの逆転、双方のインターロケータが参照に異を唱えながら自由エネルギーが低いという自己確認的誤解、不確実性が解決される前に合理的な閉鎖を示す。
自然言語とコミュニケーションを同一視する批判と一致し、このモデルはコミュニケーションを言語構造の下流での使用として扱い、生産と解釈を結合推論として再キャストする。
関連論文リスト
- Spoken Language Models that Think Aloud [49.8808094623973]
Chain-of-Thought (CoT)推論は言語モデルの能力を改善し、Spoken Language Models (SLM)に直接適用した。
本稿では,Thinker-Talkerアーキテクチャ内での推論に基づくSLMのための非同期シンクアラウドフレームワークを提案する。
提案手法は,質問文の回答精度を,連続的な「考えを語る」ベースラインと同等に保ちながら,推論中のユーザの音質を著しく低下させる。
論文 参考訳（メタデータ） (2026-09-22T14:25:04Z) - SPEARBench: A Benchmark for Naturalness Evaluation in Streaming Speech-to-Speech Language Models [9.873637206435967]
音声対音声言語モデルのストリーミングは、音声クエリに合成音声で直接答えることを目的としている。
標準的なベンチマークでは、これらのシステムが会話の中で自然に振る舞うかどうかを捉えていない。
本研究では,音声合成言語モデルにおける自然性評価のベンチマークであるSPEARBenchを紹介する。
論文 参考訳（メタデータ） (2026-07-06T17:42:59Z) - DRInQ: Evaluating Conversational Implicature with Controlled Context Variation [24.87053225680957]
質問文における会話不規則に関する現実的推論を評価するためのベンチマークであるDRinQを紹介する。
本稿では,体系的変動を伴う質問文解釈インスタンスを生成する半自動パイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-22T22:39:32Z) - Afrispeech Semantics: Evaluating Audio Semantic Reasoning in Spoken Language Models Across Domains and Accents [3.6734440150955368]
音声言語モデル(ALM)は、音声に基づく理解にますます使われる。
アクセント変化, ドメインシフト, セマンティックオーバー推論が音声推論に与える影響はよく分かっていない。
5つの意味的・パラ言語的推論タスクにおける音声言語モデルの評価を行った。
論文 参考訳（メタデータ） (2026-05-11T20:27:40Z) - When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。
BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。
我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
論文 参考訳（メタデータ） (2026-03-20T14:46:59Z) - On the Fallacy of Global Token Perplexity in Spoken Language Model Evaluation [88.77441715819366]
大規模生音声で事前訓練された生成音声言語モデルは、適切な内容で音声プロンプトを継続することができる。
本稿では,グローバルトークンの難易度に代えて,多種多様な可能性・生成的評価手法を提案する。
論文 参考訳（メタデータ） (2026-01-09T22:01:56Z) - 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) - MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。
本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。
筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
論文 参考訳（メタデータ） (2023-06-27T07:24:32Z) - Pre-training Multi-party Dialogue Models with Latent Discourse Inference [85.9683181507206]
我々は、多人数対話の会話構造、すなわち、各発話が応答する相手を理解するモデルを事前訓練する。
ラベル付きデータを完全に活用するために,談話構造を潜在変数として扱い,それらを共同で推論し,談話認識モデルを事前学習することを提案する。
論文 参考訳（メタデータ） (2023-05-24T14:06:27Z) - NOPE: A Corpus of Naturally-Occurring Presuppositions in English [33.69537711677911]
英語におけるNaturally-Occurring Presuppositions(NOPE)を紹介する。
本研究は,10種類のプレポーズトリガーの文脈感度について検討した。
我々は、人間の推論を予測する機械学習モデルの能力を評価する。
論文 参考訳（メタデータ） (2021-09-14T22:03:23Z)
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。