論文の概要: Beyond Latent Personalization: Integrating HRV-Conditioned Personalization via LLM for Interpretable Stress Detection

• arxiv url: http://arxiv.org/abs/2610.23555v1
• Date: Fri, 16 Oct 2026 14:44:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.958984
• Title: Beyond Latent Personalization: Integrating HRV-Conditioned Personalization via LLM for Interpretable Stress Detection
• Title（参考訳）: 潜時的パーソナライゼーションを超えて:HRV-Conditioned Personalization を LLM で統合して解釈可能なストレス検出
• Abstract要約: 提案されたフレームワークは、TILES-2018における最強ベースラインよりも29.9%の相対的なMCC改善を実現している。 その結果、LLMに基づく意味解釈が、効果的かつ解釈可能なパーソナライズされたストレス検出を実現する可能性を強調した。
• 参考スコア（独自算出の注目度）: 31.11912538004997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stress detection based on heart rate variability (HRV) has received increasing attention. However, existing personalized approaches integrate personal attributes with HRV through latent representations, limiting the interpretability of their interactions. In this work, we propose an LLM-enhanced personalized stress detection framework that integrates HRV features and personal attributes through LLM-based semantic interpretation. The proposed framework achieves a 29.9% relative MCC improvement over the strongest baseline on TILES-2018 while providing human-readable descriptions of individual physiological responses. The results highlight the potential of LLM-based semantic interpretation for achieving both effective and interpretable personalized stress detection.
• Abstract（参考訳）: 心拍変動(HRV)に基づくストレス検出が注目されている。 しかし、既存のパーソナライズされたアプローチは、個人属性を潜在表現を通じてHRVと統合し、それらの相互作用の解釈可能性を制限する。 本研究では,HRVの特徴と個人属性をLLMに基づく意味解釈を通じて統合する,LLM強化型パーソナライズされたストレス検出フレームワークを提案する。 提案したフレームワークは、TILES-2018における最強ベースラインよりも29.9%の相対的なMCC改善を実現し、個々の生理的反応の人間可読な記述を提供する。 その結果、LLMに基づく意味解釈が、効果的かつ解釈可能なパーソナライズされたストレス検出を実現する可能性を強調した。

関連論文リスト

• Listen to the Latents: Self-Correcting Speech Recognition in Large Audio Language Models Through Hidden-State Interactions [120.64235456332916]
  音声認識システムは、その意味的知識を活用するために、大規模言語モデル(LLM)を統合している。 我々は, 暖房適応型LLMベースASRモデルを改良し, 自己の適応型LLMを応用した。 本稿では,2つの観測を動機とした目標補正戦略であるハイブリッド検索を提案する。
  論文  参考訳（メタデータ） (2026-08-31T15:46:48Z)
• Mechanistic Personality Analysis of LLMs Steering Personality via Latent Feature Interventions [1.5759334013114106]
  LLM(Large Language Models)は、人のようなOCEANの性格特性を生成テキストでシミュレートする能力を実証した。 本稿では,モデルの潜在機能に直接介入する機械的解釈可能性アプローチを提案する。 提案手法は,標準的なベンチマークで高い性能を維持しつつ,機械的レベルの人格特性を制御的に操る上で有望であることを示す。
  論文  参考訳（メタデータ） (2026-06-27T06:53:51Z)
• ACT Now: Preempting LVLM Hallucinations via Adaptive Context Integration [71.21097024566285]
  LVLM(Large-Language Models)はしばしば深刻な幻覚に悩まされる。 既存の緩和戦略は、視覚的焦点を強化するか、強い先行を抑えるために、言語的、単一段階の状態に依存している。 本研究では,適応的な文脈情報の統合を通じて幻覚を緩和する学習自由推論介入手法であるAdaptive Context in VisionTegration (ACT)を提案する。
  論文  参考訳（メタデータ） (2026-04-01T14:49:50Z)
• Mitigating Semantic Drift: Evaluating LLMs' Efficacy in Psychotherapy through MI Dialogue Summarization [1.877929053436765]
  本研究は,心理療法における大規模言語モデル(LLM)の有効性を評価するために,混合メソドス法を用いている。 LLMを用いて、モチベーションインタビュー(MI)対話の正確な要約を生成し、2段階のアノテーションスキームを設計する。 エキスパートアノテートMI対話を基礎となる真実として,多クラス分類タスクを定式化し,プログレッシブプロンプト手法によるモデル性能の評価を行う。
  論文  参考訳（メタデータ） (2025-11-28T00:37:58Z)
• Profile-LLM: Dynamic Profile Optimization for Realistic Personality Expression in LLMs [11.672385046863655]
  PersonaPulseは、状況対応ベンチマークをスコアリングツールとして統合しながら、ロールプレイプロンプトを反復的に強化するフレームワークである。 定量的評価は、PersonaPulseが生成したプロンプトが先行作業のプロンプトより優れていることを示している。 特定の性格特性に対しては、最適化過程を緩和することにより、人格評価の程度を部分的に制御することができる。
  論文  参考訳（メタデータ） (2025-11-25T02:31:40Z)
• IROTE: Human-like Traits Elicitation of Large Language Model via In-Context Self-Reflective Optimization [66.6349183886101]
  IROTEは,安定かつ伝達可能な特性抽出のための新しいインコンテキスト手法である。 IROTEが生成する1つの自己反射は、様々な下流タスクにまたがる目標特性の安定な偽造を LLM が引き起こすことを示す。
  論文  参考訳（メタデータ） (2025-08-12T08:04:28Z)
• Enhancing LLM-Based Short Answer Grading with Retrieval-Augmented Generation [32.12573291200363]
  大型言語モデル(LLM)は、言語タスクにおいて人間のような能力を持つ。 Retrieval-augmented Generation (RAG) は有望な解決策として現れる。 自動グレーティングのための適応的なRAGフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-07T17:17:41Z)
• Enhancing Patient-Centric Communication: Leveraging LLMs to Simulate Patient Perspectives [19.462374723301792]
  大きな言語モデル(LLM)はロールプレイングのシナリオにおいて印象的な機能を示している。 人間の行動を模倣することで、LLMは具体的な人口統計や専門的なプロファイルに基づいて反応を予測できる。 多様な背景を持つ個人をシミュレーションする上でのLLMの有効性を評価し,これらのシミュレーション行動の一貫性を解析した。
  論文  参考訳（メタデータ） (2025-01-12T22:49:32Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)

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。