論文の概要: Beyond Small Talk: Modeling Disclosure Trajectories in Human-AI Conversation

• arxiv url: http://arxiv.org/abs/2610.29413v1
• Date: Wed, 21 Oct 2026 08:36:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.291148
• Title: Beyond Small Talk: Modeling Disclosure Trajectories in Human-AI Conversation
• Title（参考訳）: 小話を超えて:人間とAIの会話における開示軌道のモデル化
• Abstract要約: Trajectory-based Disclosure Evaluation (TraDE) は、社会浸透理論に基づく評価フレームワークである。 深度に一致した開示に対する応答は, 先行する軌跡によって異なることを示す。 TraDEは、分離された会話状態の評価が見逃すような、履歴に依存した振る舞いを公開する体系的な方法を提供する。
• 参考スコア（独自算出の注目度）: 31.66913897984792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, we see a rise in conversational agents as a form of social and emotional support, where disclosure will unfold over time. Yet, current evaluations of these agents typically examine isolated conversational states. In analyses of naturally occurring conversations, disclosure history and current disclosure are confounded which tends to make their effects difficult to isolate. We thus introduce Trajectory-based Disclosure Evaluation (TraDE), an evaluation framework grounded in Social Penetration Theory that utilizes predefined disclosure trajectories and evaluates how preceding disclosure history shapes model behavior under matched current disclosure. Through the use of TraDE, we demonstrate across multiple models and relational behavior benchmarks that responses to disclosures matched on depth can differ depending on the preceding trajectory, particularly in whether models accept or challenge the user's framing. We also observed that these differences track accumulated exposure to deeper disclosure rather than any single moment of vulnerability or the order of disclosures. It also tends to persists for several turns after disclosure returns to shallow levels. For several behaviors, we also demonstrate that models diverge most consistently from human supporters in the Emotional Support Conversation corpus (ESConv) not when users open up but rather when they step back in their disclosure. TraDE thus provides a systematic way to expose history-dependent relational behavior that evaluations of isolated conversational states would otherwise miss.
• Abstract（参考訳）: 近年,会話エージェントは社会的・感情的支援の一形態として増加し,情報開示は時間とともに広まるとみられている。 しかし、これらのエージェントの現在の評価は、通常、孤立した会話状態を調べる。 自然発生の会話の分析において、開示履歴と現在の開示は、それらの効果を分離しにくくする傾向にある。 そこで我々は、事前に定義された開示軌跡を利用する社会浸透理論に基づく評価フレームワークであるトラジェクトリに基づく開示評価(TraDE)を導入し、その前の開示履歴が、一致した現在の開示下でのモデル行動をどのように形作るかを評価する。 TraDEを用いて、複数のモデルと関係行動ベンチマークを用いて、奥行きにマッチした開示に対する応答は、前回の軌跡、特にモデルがユーザのフレーミングを受け入れるか、挑戦するかによって異なる可能性があることを実証する。 また、これらの違いは、脆弱性の1つの瞬間や開示の順序よりも、より深い開示への露出の蓄積を追跡することも観察した。 また、露光が浅いレベルに戻ると、数回にわたって持続する傾向にある。 また,感情的支援対話コーパス(ESConv)において,モデルが人間の支持者からほぼ一貫した関係にあることを示す。 これにより、TraDEは履歴に依存したリレーショナルな振る舞いを公開する体系的な方法を提供する。

関連論文リスト

• DyMT-ESB: Dynamic Multi-Turn Evaluation of Social Bias in User-LLM Interactions [43.70746743126122]
  応答条件付きマルチターン相互作用における社会的バイアスのダイナミクスを制御された評価プロトコルを用いて検討する。 その結果、後期のバイアス、非単調なバイアスパターン、およびバイアス再帰が明らかとなった。 本研究は,社会的偏見をターンレベルの動的現象として分析することの重要性を強調した。
  論文  参考訳（メタデータ） (2026-09-16T13:32:46Z)
• MIRAGE: How Conversation State Shapes Historical Evidence Use in Multimodal Personal Agents [15.173843369238156]
  MIRAGEは個人エージェントの会話状態の変動に使用される歴史的証拠の制御された研究である。 結果のみの正当性から推定されるのではなく, 状態変化下での歴史的証拠の使用を評価すべきである。
  論文  参考訳（メタデータ） (2026-08-25T10:59:10Z)
• Measuring Semantic Progress in Multi-turn Dialogue via Information Gain [7.146946575593476]
  我々は,情報探索対話における重要な側面であるセマンティック・プログレスに焦点を当てた。 埋め込み空間に近似する情報理論計量を導入する。 実験の結果,提案指標は人間の判断と競合する一致を示した。
  論文  参考訳（メタデータ） (2026-06-10T17:04:59Z)
• 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)
• A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models [58.32070787537946]
  思考の連鎖(CoT)推論は、大きな言語モデルの性能を高める。 大規模視覚言語モデルにおけるCoT忠実度に関する最初の総合的研究について述べる。
  論文  参考訳（メタデータ） (2025-05-29T18:55:05Z)
• Interpreting Social Bias in LVLMs via Information Flow Analysis and Multi-Round Dialogue Evaluation [1.7997395646080083]
  大規模視覚言語モデル (LVLM) はマルチモーダルタスクにおいて顕著な進歩を遂げているが、社会的偏見も顕著である。 本稿では,情報フロー解析と多ラウンド対話評価を組み合わせた説明フレームワークを提案する。 実験により、LVLMは異なる人口集団の画像を処理する際に、情報利用の体系的な差異を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-27T12:28:44Z)
• On the Loss of Context-awareness in General Instruction Fine-tuning [101.03941308894191]
  教師付き微調整後の文脈認識の喪失について検討した。 性能低下は,会話指導の微調整中に学んだ異なる役割に対する偏見と関連していることがわかった。 一般命令微調整データセットから文脈依存例を識別する指標を提案する。
  論文  参考訳（メタデータ） (2024-11-05T00:16:01Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• I like fish, especially dolphins: Addressing Contradictions in Dialogue Modeling [104.09033240889106]
  DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。 次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
  論文  参考訳（メタデータ） (2020-12-24T18:47:49Z)

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。