論文の概要: CLUE: Uncovering Social Context for Pragmatic Understanding

• arxiv url: http://arxiv.org/abs/2610.22167v1
• Date: Thu, 15 Oct 2026 16:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.191368
• Title: CLUE: Uncovering Social Context for Pragmatic Understanding
• Title（参考訳）: CLUE:実践的理解のための社会的コンテキストを明らかにする
• Abstract要約: 本研究では,2段階の学習パイプラインであるCLUEを提案する。 我々は,タスク,言語,ジャンル間の効率性と一般化を評価するために,会話例の小さなセットを訓練する。 CLUEは、ドメイン内17.3%、ドメイン外9.3%の平均重み付けF1の相対的な増加を達成し、5つのドメイン外評価のうち4つのF1が高い。
• 参考スコア（独自算出の注目度）: 16.705885209102195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding a conversation requires connecting what is said to the speakers' relationships, expectations, and earlier exchanges. Prior work shows that supplying relevant context can improve models' social judgments, but much of this information may already be present in the conversation. This motivates training models to discover the cues that matter and use them to support an interpretation. We propose CLUE, a two-stage training pipeline that combines supervised evidence reasoning with GRPO guided by Grounded Information Utilization ($\mathrm{IU}_{\mathrm{G}}$). This reward credits new, evidence-supported social inferences while accounting for reasoning effort. We train on a small set of conversational examples to assess effectiveness and generalization across tasks, languages, and genres. At inference time, the trained model reasons over the supplied interaction in a self-contained manner. Compared with base Qwen, CLUE achieves relative gains of 17.3% in-domain and 9.3% out-of-domain in average weighted F1, with higher F1 on four of five out-of-domain evaluations. These gains are accompanied by over 80% fewer reasoning tokens on average in both domains. Human evaluation further finds that CLUE more often grounds its explanations in specific conversational content, with closer alignment between its quoted evidence and human-selected context.
• Abstract（参考訳）: 会話を理解するには、話者の関係、期待、それ以前の交換を結びつける必要がある。 先行研究は、関連するコンテキストの提供はモデルの社会的判断を改善する可能性があることを示しているが、これらの情報の多くは既に会話に存在している可能性がある。 これは、トレーニングモデルを動機付け、重要な手がかりを発見し、解釈をサポートするためにそれらを使用する。 本稿では,2段階の学習パイプラインであるCLUEと,グラウンデッド情報利用によるGRPO(\mathrm{IU}_{\mathrm{G}}$)を併用する。 この報酬は、推論の努力について説明しながら、証拠に支えられた新しい社会的推論を信用する。 我々は,タスク,言語,ジャンル間の効率性と一般化を評価するために,会話例の小さなセットを訓練する。 推論時には、自己完結した方法で供給された相互作用に対して、訓練されたモデルが原因となる。 ベースQwenと比較すると、CLUEはドメイン内17.3%、ドメイン外9.3%の平均重み付けF1はドメイン外9.3%、ドメイン外4つの評価ではF1が高い。 これらの利得には、両方のドメインで平均80%以上の推論トークンが伴う。 人間の評価はさらに、CLUEは引用された証拠と人間の選択した文脈との間に密接な関係を持ちながら、特定の会話内容の説明を下敷きにすることが多いことを発見している。

関連論文リスト

• Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model [23.56313087226691]
  Affordance Groundingは、ロボットが実行するアクションに関連するオブジェクトの特定の領域を予測することに焦点を当てている。 既存のモデルは、しばしば異なるオブジェクト間で共有される余裕を無視する。 Affordance-R1は,認知的CoT誘導グループ相対的政策最適化を統合した,最初の統合型アプライアンス基盤フレームワークである。
  論文  参考訳（メタデータ） (2025-08-08T10:39:04Z)
• DialogueReason: Rule-Based RL Sparks Dialogue Reasoning in LLMs [54.4857963044859]
  本稿では,モノローグ型推論モデルにおける失われた役割を明らかにする推論パラダイムであるDialogueReasonを提案する。 本研究は,モノログ推論パターンの分析と対話に基づく推論手法の開発から成っている。
  論文  参考訳（メタデータ） (2025-05-11T16:39:58Z)
• Are Machines Better at Complex Reasoning? Unveiling Human-Machine Inference Gaps in Entailment Verification [41.330719056639616]
  本研究は,多文前提における係り受け検証問題について考察する。 一貫性のないモデル生成有理数の検出などの現代のNLP問題は、複雑なマルチホップ推論を必要とする。
  論文  参考訳（メタデータ） (2024-02-06T04:14:09Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Reckoning with the Disagreement Problem: Explanation Consensus as a Training Objective [5.949779668853556]
  ポストホック特徴属性(Post hoc feature attribution)は、入力中の各特徴にモデル出力への影響に対応するスコアを与える一連の方法である。 この種類の説明者の大きな制限は、どの特徴が他のものよりも重要であるかについて意見が一致しないことである。 本稿では,2つの説明者間の特徴属性の差を計測する,精度に対応する標準的な用語とともに,損失項を導入する。 3つのデータセットから、この損失項を用いてモデルをトレーニングし、未知のデータに関する説明コンセンサスを改善するとともに、損失項で使用されるもの以外の説明コンセンサスの改善したコンセンサスを確認する。
  論文  参考訳（メタデータ） (2023-03-23T14:35:37Z)
• RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)
• Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
  ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。 我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。 我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-15T10:50:05Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。