論文の概要: Beyond What to Say: Proactive Utterance Timing with Inner Thoughts for Werewolf Agents

• arxiv url: http://arxiv.org/abs/2610.32107v1
• Date: Fri, 23 Oct 2026 03:19:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.33351
• Title: Beyond What to Say: Proactive Utterance Timing with Inner Thoughts for Werewolf Agents
• Title（参考訳）: 余計なこと:狼のエージェントに対する内的思考によるプロアクティブな発話タイミング
• Abstract要約: Werewolf AI Agent for the Anytime Utterance Track of the AIWolfDial shared task。 本システムは,会話中の発話タイミングを決定する既存の内的思考フレームワーク上に構築されている。
• 参考スコア（独自算出の注目度）: 0.7799711162530713
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Participating in a conversation involves not only deciding what to say but also whether to speak at all. This judgment carries even greater significance in environments like the Werewolf game, where participants' interests conflict, because both utterances and silence are subject to interpretation and assessment by others. Therefore, determining when to speak, as well as what to say, is crucial for an LLM agent playing the Werewolf game. In this study, we introduce a Werewolf AI agent developed for the Anytime Utterance Track of the AIWolfDial shared task. Our system builds on the existing Inner Thoughts framework, which determines utterance timing during conversations by generating internal thoughts and evaluating the value of each thought for expression at that moment. Since existing methods were designed for general dialogue, we have redesigned the system specifically for the competitive environment and incomplete information setting of Werewolf games. We call our adapted method Adversarial Inner Thoughts. Through experiments involving analysis of self-play logs and human evaluations, we analyze and discuss the effectiveness of our approach.
• Abstract（参考訳）: 会話に参加するには、何を話すかを決めるだけでなく、話すかどうかも決める。 この判断は、参加者の興味が対立するWerewolfゲームのような環境においてさらに大きな意味を持つ。 したがって、ウェアウルフゲームを行うLLMエージェントには、いつ話すか、何を話すかを決めることが不可欠である。 本研究では,AIWolfDial共有タスクのAnytime Utterance Track用に開発されたWerewolf AIエージェントを紹介する。 本システムでは,会話中の発話タイミングを内部思考の生成と各思考の価値評価により決定する既存の内的思考フレームワークを構築している。 既存の手法は一般的な対話のために設計されているため、Werewolfの競争環境と不完全な情報設定に特化してシステムを再設計した。 我々は適応した手法を逆内的思考と呼ぶ。 自己再生ログの分析と人的評価を含む実験を通じて,本手法の有効性を分析し,議論する。

関連論文リスト

• The Silent Thought: Modeling Internal Cognition in Full-Duplex Spoken Dialogue Models via Latent Reasoning [76.96796481909581]
  内部認知処理は高品質な応答の定式化に役立っている。 本稿では,音声認識と同時に潜在的思考を行うFLAIRという新しい手法を提案する。 我々のアプローチは音声対話システムとシームレスに一致している。
  論文  参考訳（メタデータ） (2026-03-18T15:30:29Z)
• Enhancing Consistency of Werewolf AI through Dialogue Summarization and Persona Information [2.3101858435998346]
  ワイアウルフゲーム(Werewolf Game)は、プレイヤーの推論と議論のスキルが不可欠であるコミュニケーションゲームである。 本稿では,AIWolfDial 2024共有タスクのために開発されたWerewolf AIエージェントについて紹介する。
  論文  参考訳（メタデータ） (2026-03-07T08:41:46Z)
• Beyond Survival: Evaluating LLMs in Social Deduction Games with Human-Aligned Strategies [54.08697738311866]
  Werewolfのようなソーシャル推論ゲームは、言語、推論、戦略を組み合わせている。 我々は,100時間以上のビデオ,32.4M発声トークン,15の規則変種を含む高品質で人間認証されたWerewolfデータセットをキュレートした。 本稿では,勝利派戦略を2段階の真理として活用する新たな戦略調整評価法を提案する。
  論文  参考訳（メタデータ） (2025-10-13T13:33:30Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Guess What I am Thinking: A Benchmark for Inner Thought Reasoning of Role-Playing Language Agents [48.52216655094884]
  ロールプレイング言語エージェント(RPLA)の内部思考プロセスは未解明のままである。 ROLETHINKは、文字の思考生成を評価するための文献から構築された新しいベンチマークである。 記憶を抽出し、文字反応を予測し、モチベーションを合成することで、文字思考を創り出す、チェーンオブ思考アプローチであるMIRRORを提案する。
  論文  参考訳（メタデータ） (2025-03-11T08:57:07Z)
• Proactive Conversational Agents with Inner Thoughts [42.34140072445951]
  会話型AIにおける長年の願望の1つは、会話において自律的にイニシアティブ、すなわち積極的に行動できるようにすることである。 以前のNLP研究は、主に前の会話のような文脈から次の話者を予測することに焦点を当てていた。 我々は、人間と同じように、単にターンテイクの手がかりに反応するのではなく、プロアクティブなAIが会話中に自身の内的思考を定式化し、貢献する適切な瞬間を求めることを提案する。
  論文  参考訳（メタデータ） (2024-12-31T10:41:56Z)
• Learning to Discuss Strategically: A Case Study on One Night Ultimate Werewolf [28.57358844115881]
  One Night Ultimate Werewolf (ONUW) は、プレイヤーが戦略的な議論ポリシーを開発することを要求する。 本稿では、強化学習(RL)によって訓練された議論政策を取り入れたRL命令言語エージェントフレームワークを提案する。 いくつかのONUWゲーム設定実験の結果,提案フレームワークの有効性と一般化性を示した。
  論文  参考訳（メタデータ） (2024-05-30T11:07:06Z)

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。