論文の概要: Agent-Guided Evidence Acquisition for Emotion-Cause Pair Extraction

• arxiv url: http://arxiv.org/abs/2610.14886v1
• Date: Sat, 10 Oct 2026 12:59:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:12:36.637581
• Title: Agent-Guided Evidence Acquisition for Emotion-Cause Pair Extraction
• Title（参考訳）: Emotion-Cause Pair 抽出のためのエージェントガイドによるエビデンス獲得
• Abstract要約: Emotion-Cause Pair extractのためのエージェント誘導型エビデンス取得について検討した。 我々は、デリゲート、クエリ選択、レスポンス統合が予測品質にどのように影響するかを検討する。 我々の分析は、アクセスが大きくなることが必ずしもより良い原因の特定に繋がるとは限らないことを示唆している。
• 参考スコア（独自算出の注目度）: 12.877852185750845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion-Cause Pair Extraction (ECPE) requires identifying the causes associated with emotions expressed in a conversation. Accurate extraction can depend on evidence that is not initially available, making it important to decide when further information is worth acquiring. We study agent-guided evidence acquisition for ECPE, where a student agent selectively accesses expert judgments for borderline relations on both sides of its validation-selected F1 decision boundary and revises only queried predictions. Through controlled comparisons under different information-access conditions, we examine how delegation granularity, query selection, and response integration affect prediction quality. At a nominal 10% query rate, selective fusion improves mean pair F1 by 2.64-3.88 points over the student in our main experiments, reaching 65.14 on ECF and 49.74 on MEC4 across model families. Our analysis suggests that greater access does not always translate into better cause identification. These findings motivate acquisition strategies that consider both the relevance of newly available evidence and its effect on prediction revision, providing an empirical basis for more effective and efficient evidence acquisition in ECPE.
• Abstract（参考訳）: Emotion-Cause Pair extract (ECPE) は、会話で表現された感情に関連する原因を特定する必要がある。 正確な抽出は、最初に入手できない証拠に依存する可能性があるため、追加情報を取得する価値があるかどうかを判断することが重要である。 本研究では,ECPEにおけるエージェント誘導型エビデンス取得について検討し,検証選択されたF1判定境界の両側における境界線関係に関する専門家の判断を選択的にアクセスし,クエリされた予測のみを改訂する。 異なる情報アクセス条件下での制御された比較を通して、デリゲートの粒度、クエリ選択、応答統合が予測品質にどのように影響するかを検討する。 名目上の10%のクエリレートで、選択融合は学生に対してF1の平均値を2.64-3.88ポイント改善し、ECFでは65.14、MEC4では49.74に達した。 我々の分析は、アクセスが大きくなることが必ずしもより良い原因の特定に繋がるとは限らないことを示唆している。 これらの知見は,ECPEにおけるより効果的かつ効率的な証拠取得の実証的基盤として,新たに利用可能な証拠の関連性と,その予測修正への影響を考慮に入れた買収戦略を動機付けている。

関連論文リスト

• SEEDS: Preview-Guided Evidence Admission for Search Agents [9.569803859816597]
  本稿では,SEEDS(Selective Evidence Entry During Search)について紹介する。 SEEDSは、エージェントがどの候補とどの候補を検査すべきかを、現在の推論状態に基づいて共同で決定する。 ローカルコーパスとライブWebサーチの9つの知識集約型QAベンチマークにおいて,SEEDSは検索効率を継続的に改善し,完全エビデンス消費を大幅に削減した。
  論文  参考訳（メタデータ） (2026-10-09T03:25:39Z)
• Visual Evidence Under Cross-Examination: Evaluating and Controlling Decision-Level Evidence Use in Vision-Language Models [18.708562711880138]
  CROSS-Benchは、一致した無効化とリバインドテストを伴う28,000の判定問題のベンチマークである。 RIVETインターフェースは、証拠の同一性と不確実性を保持し、候補条件の応答を構成し、その強度を別々に制御する。 生の入力から予測された証拠により、RIVETは4つの冷凍バックボーンで平均5.70ppのCROSS-Bench精度を向上させる。
  論文  参考訳（メタデータ） (2026-10-07T06:48:44Z)
• Contextual Information Policy Optimization for Search Agents [25.589979477350095]
  我々は,政策最適化と外部エビデンス利用の整合を図るために,文脈情報政策最適化(CIPO)を提案する。 CIPOは、検索された情報に影響された推論行動にターンレベルクレジットを割り当て、このエビデンス利用信号とグローバルな結果報酬を組み合わせて、回答の正当性を維持する。 実験によると、CIPOは事前駆動推論の頻度を減らし、ほとんどのタスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-06T15:01:29Z)
• EG-VQA: Benchmarking Verifiable Video Question Answering with Grounded Temporal Evidence [48.314554375516366]
  本稿では,Evidence-Grounded Video Question Answering Benchmark (EG-VQA)を紹介する。 EG-VQAは2,067本の動画と11,838本のQAペアで構成されている。 強力なプロプライエタリモデルでさえ、予測を正確に下ろすのに苦労しています。 我々は,明示的な監督によって訓練されたエビデンス基底推論モデルEG-Reasonerを提案する。
  論文  参考訳（メタデータ） (2026-06-23T16:49:28Z)
• Strong Reasoning Isn't Enough: Evaluating Evidence Elicitation in Interactive Diagnosis [29.630872344186873]
  インタラクティブな医療相談は、エージェントが不確実性の下で行方不明な臨床証拠を積極的に引き出す必要がある。 既存の評価の大部分は静的あるいは結果中心であり、エビデンス収集プロセスを無視している。 シミュレーションされた患者と、原子的証拠に基づく再現されたレポーターを用いて、コンサルテーションプロセスを明示的にモデル化するインタラクティブな評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:36:35Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
  本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー 我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-23T14:04:38Z)
• Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  文脈と問合せの間のポイントワイドな相互情報は,言語モデルの性能向上に有効な指標であることを示す。 本稿では,文書と質問のポイントワイドな相互情報を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)

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。