論文の概要: CounselPlex: A Stressor-Aware Full-Duplex Counseling Model

• arxiv url: http://arxiv.org/abs/2610.32702v1
• Date: Fri, 23 Oct 2026 14:26:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.546938
• Title: CounselPlex: A Stressor-Aware Full-Duplex Counseling Model
• Title（参考訳）: CounselPlex: ストレスを意識したフルダブルカウンセリングモデル
• Abstract要約: 私たちはこの失敗をストレスブラインドネスと呼びます。 本研究では,2つの操作,聴取時のPAD>位置,聴取時のPAD>位置を併用したCounselPlexを提案する。 また、トレーニング中の位置範囲を拡大するRoPE位置シフト拡張(RPSA)を導入し、評価においてより長いターンで性能を向上させる。
• 参考スコア（独自算出の注目度）: 49.372283081631366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Full-duplex speech models can listen and speak at the same time, enabling natural, low-latency interaction. In counseling, however, these models often focus on the latest utterance and lose track of the seeker's underlying problem. We call this failure Stressor Blindness. We propose CounselPlex, a stressor-aware full-duplex framework that uses two operations. CounselPlex updates a short stressor state during seeker silence and injects this state into <PAD> positions while listening. We also introduce RoPE Position Shift Augmentation (RPSA), which broadens positional coverage during training and improves performance at longer turn depths in our evaluation. LLM-judge evaluations show improved counseling quality and stressor grounding over strong baselines.
• Abstract（参考訳）: フルダブルプレックスの音声モデルは、自然で低遅延の対話を可能にすると同時に聴き、話すことができる。 しかしカウンセリングにおいて、これらのモデルはしばしば最新の発話に集中し、探索者の根底にある問題の追跡を失う。 私たちはこの失敗をストレスブラインドネスと呼びます。 本稿では,2つの操作を使用するストレス対応フルデュプレックスフレームワークであるCounselPlexを提案する。 CounselPlexはこの状態をリスニング中に<PAD>位置に注入する。 また、トレーニング中に位置決め範囲を広げ、より長い旋回深度で性能を向上させるRoPE Position Shift Augmentation (RPSA)を導入する。 LLM-judge の評価では,カウンセリングの質が向上し,強いベースラインに対する応力接地が向上した。

関連論文リスト

• Agent-Reflex: Teaching Language Agents to Act Reflectively [135.81207159393864]
  Agent-Reflexは、プロアクティブリフレクションをエージェントにインセンティブを与えるためのトレーニングフレームワークである。 Qwen3-8Bで構築されたエージェント-リフレックスは5つの長期ツール使用ベンチマークで58.6に到達した。
  論文  参考訳（メタデータ） (2026-10-13T08:36:20Z)
• Multi-Faceted Interactivity Alignment in Full-Duplex Speech Models [53.470209949659115]
  RLによる全音声対話モデルを改善する訓練後アライメント手法を提案する。 対話性の4つの標準軸(ターンテイキング、バックチャネル一時停止、ユーザ中断)に対処する。 応答品質に対する追加ベースの報酬は、セマンティックな劣化を防ぐ。
  論文  参考訳（メタデータ） (2026-06-09T17:46:55Z)
• CARE: Counselor-Aligned Response Engine for Online Mental-Health Support [3.096218674732811]
  メンタルヘルスの課題は世界中で増加しており、感情的なサポートサービスに支障をきたし、カウンセラーの過負荷につながっている。 これは、タイムリーな介入が不可欠である自殺のような致命的な状況における遅延反応をもたらす。 本稿では,カウンセラーを支援し,リアルタイムに心理的に整合した応答レコメンデーションを生成するためのフレームワークであるCARE(Counselor-Aligned Response Engine)を提案する。
  論文  参考訳（メタデータ） (2026-04-23T07:11:24Z)
• Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
  時系列思考は、完全なSDLMの応答品質を改善することを目的としている。 追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。 結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-10-02T10:28:11Z)
• StressPrompt: Does Stress Impact Large Language Models and Human Performance Similarly? [7.573284169975824]
  本研究では,Large Language Models (LLMs) がヒトに類似したストレス応答を示すかを検討する。 我々はストレスプロンプトと呼ばれる新しいプロンプトを開発し、様々なレベルのストレスを誘発するように設計された。 この結果は、LLMが人間と同様に、Yerkes-Dodson法則と一致して、適度なストレスの下で最適に機能することを示唆している。
  論文  参考訳（メタデータ） (2024-09-14T08:32:31Z)
• Toward Optimal LLM Alignments Using Two-Player Games [86.39338084862324]
  本稿では,対戦相手と防御エージェントの反復的相互作用を含む2エージェントゲームのレンズによるアライメントについて検討する。 この反復的強化学習最適化がエージェントによって誘導されるゲームに対するナッシュ平衡に収束することを理論的に実証する。 安全シナリオにおける実験結果から、このような競争環境下での学習は、完全に訓練するエージェントだけでなく、敵エージェントと防御エージェントの両方に対する一般化能力の向上したポリシーにつながることが示されている。
  論文  参考訳（メタデータ） (2024-06-16T15:24:50Z)
• Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from a Minimax Game Perspective [80.51463286812314]
  敵対的訓練(AT)はおそらく、頑健な特徴を抽出するための最先端のアルゴリズムである。 ATは、特に学習率(LR)が崩壊した後、深刻な強固な過適合問題に悩まされる。 我々は, LR崩壊が, より強い記憶能力でトレーナーに力を与えることにより, ミニマックスゲーム間のバランスを損なうことを示す。
  論文  参考訳（メタデータ） (2023-10-30T09:00:11Z)

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。