論文の概要: From Encoding to Generation: Towards Empathetic Large Language Models

• arxiv url: http://arxiv.org/abs/2610.27603v1
• Date: Tue, 20 Oct 2026 04:10:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.629443
• Title: From Encoding to Generation: Towards Empathetic Large Language Models
• Title（参考訳）: エンコーディングから生成へ:共感的大言語モデルへ
• Abstract要約: 共感的相互作用には2つの区別可能な能力がある:他人の感情状態(認知的共感)を表し、その状態に対する適切な反応(影響的共感)を生成する。 本研究では,Llama-3.2-3B-Instructにおける感情関連情報を内部的に整理し,選択的に関与し,応答生成を行う方法について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Empathetic interaction involves two distinguishable capacities: representing another person's emotional state (cognitive empathy) and generating an appropriate response to that state (affective empathy). We apply this distinction to examine how emotion-related information is internally organized, selectively attended to, and carried through response generation in Llama-3.2-3B-Instruct across 10 emotion categories from the EmpatheticDialogues dataset. Layer-wise linear probing revealed a broad middle-layer region of peak emotion-category decodability, with the layer-11 L2 probe achieving 63.6% held-out accuracy against a 10% chance level and a 54.6% TF-IDF lexical baseline. During response generation, emotion-related user tokens received 1.89 times as much attention per token as other utterance tokens, concentrated across layers 10-15. Target-emotion alignment then decreased from a mean cosine similarity of 0.239 for input representations to 0.125 for generated responses, with positive drift in 77% of examples and the largest shifts for angry and furious. Emotion-category representation, attention allocation, and response-level alignment therefore emerge as distinguishable components of model processing that can be analyzed through a functional cognitive-affective empathy framework. These findings provide a foundation for monitoring emotion representations during generation and leveraging models' existing affective structure to support more naturally empathetic responses without relying on external prompting or explicit emotion conditioning.
• Abstract（参考訳）: 共感的相互作用は、相手の感情状態(認知的共感)を表現し、その状態に対する適切な反応(影響的共感)を生成する2つの区別可能な能力を含む。 本研究では,感情関連情報がどのように組織化され,選択的に参加し,Llama-3.2-3B-Instructの応答生成を行うかを検討する。 レイヤワイド線形プローブは、ピーク感情カテゴリーの偏極性の広い中間層領域を示し、第11層L2プローブは、10%の確率レベルに対して63.6%の保持精度と54.6%のTF-IDF語彙ベースラインを達成した。 応答生成中、感情に関連したユーザトークンは、他の発話トークンの1トークンあたり1.89倍の注目を受け、レイヤ10～15に集約された。 対象感情のアライメントは, 入力表現の平均コサイン類似度0.239から, 生成応答0.125に減少し, 正のドリフトが77%, 怒りと怒りの最大シフトとなった。 したがって、感情カテゴリーの表現、注意の割り当て、応答レベルのアライメントは、機能的な認知に影響を及ぼす共感フレームワークを通じて分析できるモデル処理の区別可能なコンポーネントとして現れます。 これらの知見は、生成中の感情表現をモニタリングし、モデルが持つ既存の感情構造を活用して、外部のプロンプトや明示的な感情条件に依存することなく、より自然な共感的反応をサポートする基盤を提供する。

関連論文リスト

• AffectReveal: Event-Grounded Emotion Recognition Beyond Visual Appearances [59.819731792217915]
  事象中心感情認識(EGER)を定式化する 10,052本のビデオと10,734本の画像からなるEGER-Benchを11つの感情で構築する。 提案するAffectRevealは,まずエビデンスに基づく代替品を独立に構築・検証する,チューニング不要なフレームワークである。
  論文  参考訳（メタデータ） (2026-09-29T02:48:55Z)
• Whether, Not Which: Mechanistic Interpretability Reveals Dissociable Affect Reception and Emotion Categorization in LLMs [0.0]
  臨床心理学を基礎とした機械的解釈可能性法による感情回路クレームの臨床的妥当性試験を初めて行った。 我々は2つの解離可能な感情処理機構を発見する。 我々は,大規模言語モデルにおける感情処理のクレームをテストするための厳格な基準として,臨床刺激法を紹介した。
  論文  参考訳（メタデータ） (2026-03-15T15:11:45Z)
• Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing [4.733799057798266]
  私たちは感情を、モデルがどのようにテキストに従属し、推論するかを形作る潜在要因として研究しています。 我々は、トランスモデルにおいて、感情的なトーンが注意構造を体系的にどう変化させるかを分析する。 トレーニング中に感情条件付き表現の漂流を制限する感情正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T05:23:18Z)
• Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
  本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。 人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。 本モデルは感情分布予測のための感情情報表現を学習する。
  論文  参考訳（メタデータ） (2026-02-24T04:11:25Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)

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。