論文の概要: Selective, Risk-Controlled Emotion Forecasting in Conversation: From a Persistence Barrier to Departure Detection with Conformal Guarantees

• arxiv url: http://arxiv.org/abs/2611.05896v1
• Date: Wed, 04 Nov 2026 03:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.934005
• Title: Selective, Risk-Controlled Emotion Forecasting in Conversation: From a Persistence Barrier to Departure Detection with Conformal Guarantees
• Title（参考訳）: 会話における選択的, リスク制御された感情予測: 永続障壁からコンフォーマル保証者による離脱検出へ
• Abstract要約: 会話における感情の予測は、次の感情状態の価値を予測するものとして、ますますフレーム化されていく。 本稿では,国家が保護するテストベッドにおいて,この目標を達成し,代わりに学習可能でデプロイ可能なリフレクションを提案する。
• 参考スコア（独自算出の注目度）: 5.670508333821441
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasting emotion in conversation is increasingly framed as predicting the next emotional state's value. We show this targets a hard quantity in a state-observed testbed and propose a learnable, deployable reformulation instead. On valence-arousal-dominance trajectories from a dyadic corpus, repeating a speaker's own previous state sets a persistence baseline that no frozen-encoder correction meaningfully improves upon and a state-space filter exceeds; the floor requires the historical state to be observed, since an estimated anchor collapses persistence below a direct forecaster. What survives is the timing of a departure from persistence, learnable on three of four corpora and near chance on the highest-base-rate corpus, a negative result we report. We recast the task as selective departure forecasting: a lead-time-weighted metric with a leakage protocol, and commitment policies whose best choice switches with the departure rate. A dialogue-level conformal risk control bounds the expected loss of committed predictions, meeting the target in all twelve configurations tested, though the guarantee is bought through abstention, with coverage and alarm recall falling sharply on the hardest corpus. One tested language model's confidence fails as a ranking signal where another succeeds, a model-dependent failure not yet attributable to family versus scale. Code and result logs are available from the corresponding author upon request.
• Abstract（参考訳）: 会話における感情の予測は、次の感情状態の価値を予測するものとして、ますますフレーム化されていく。 本稿では,国家が保護するテストベッドにおいて,この目標を達成し,代わりに学習可能でデプロイ可能なリフレクションを提案する。 ダイアドコーパスからの原子価-陽極-支配軌道上では、話者の以前の状態を繰り返して、凍結エンコーダ補正が有意に改善せず、状態空間フィルタが超過するパーシステンスベースラインを設定する。 残るのは,4つのコーパスのうち3つを学習し,最上位コーパスを学習可能な永続性から離脱するタイミングである。 我々は,このタスクを,リークプロトコルを備えたリードタイム重み付きメトリックと,出発率に最もよい選択が切り替わるコミットメントポリシという,選択的な出発予測として再検討した。 対話レベルの共形リスク制御は、テストされた12の構成すべてにおいて目標を満たす、コミット予測の期待損失を限定するが、保証は棄却によって購入され、最も厳しいコーパスにカバレッジとアラームリコールが急降下する。 あるテストされた言語モデルの信頼性は、他の言語が成功するランクシグナルとして失敗し、モデル依存の失敗は、まだファミリー対スケールに起因するものではない。 コードと結果のログは、要求に応じて対応する著者から取得することができる。

関連論文リスト

• Beyond Plausible Prediction: Safety Sufficiency in Web World Models [61.50474448579379]
  ウェブワールドモデルはエージェントが行動する前に候補行動の結果を予測する傾向にあるが、予測可能な未来は必ずしも正しい安全判断を支持するとは限らない。 いくつかのモデルは高度に非対称なオーソライゼーションの振る舞いを示し、低いフェイルセーフの実行と、解明可能なASKのケースのリコールを組み合わせている。 予測インターフェースが、UTEDされたり、ASKによる明確化を必要としたり、あるいはBLOCKEDでなければならないアクションを識別するために必要とされるポリシー決定情報を保存し公開するかどうか。
  論文  参考訳（メタデータ） (2026-10-29T18:00:55Z)
• U-Space: Uncovering When and Why Uncertainty Arises in Language Models [48.66130361282914]
  不確実性は、個々の予測の信頼性を見積もることで、断線に対処しようとする。 既存の方法は、繰り返し世代または別々に訓練されたコンポーネントを必要とする。 機械的解釈可能性(Mechanistic Interpretability)は、これらの制限に対処する方法を提供する。
  論文  参考訳（メタデータ） (2026-10-06T20:40:29Z)
• Conformal Prediction with Paraphrase-Aware Scoring for LLM Uncertainty Quantification [28.141040897676827]
  大規模言語モデルの不確実性定量化(UQ)は、予測信頼度を確実に測定することを目的としている。 本稿では,意味的リワードに頑健な言い換え型UQフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-03T03:01:22Z)
• Selective Commitment for Language-Guided Object Retrieval under Partial Observability [1.582181611732474]
  部分的な可観測性の下での言語誘導オブジェクト検索では、より多くの証拠を集め、現場と対話し、候補者をつかむか、棄権するかを決定する必要がある。 参照コンテナに関連する対象を検索するために,これらの決定をコーディネートするクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-19T16:59:07Z)
• Calibrating Semantic Uncertainty from Observable Language-Model Probabilities [0.0]
  言語モデルは単語よりも確率を生み出すが、専門的な決定は意味のある状態に対して不確実性を必要とする。 宣言された状態に対する言語応答から確率への応答に対する確率から、事前に特定され、検証可能なブリッジであるセマンティックマップを導入する。 我々は、存在、独自性、安定性、シーケンシャルなベイズ更新のための後エラー境界と条件を導出する。
  論文  参考訳（メタデータ） (2026-07-20T00:29:04Z)
• SAGE: Answer-Conditioned Uncertainty Targets for Verbal Uncertainty Alignment [20.5795766462733]
  そこで本研究では,サンプル応答に対する解条件付き不確実性幾何を構成するグループレベルの不確実性ターゲットを提案する。 実験では、不確実性ランキングの改善、キャリブレーション誤差の低減、信頼性の低下が示されている。
  論文  参考訳（メタデータ） (2026-06-09T23:17:16Z)
• Ghost: Plausible Yet Unlearnable Trajectories via On-Manifold Substitution for Next-POI Privacy [34.07056031726073]
  チェックイントラジェクトリをリリースするパブリッシャは、ユーザの将来位置の強い予測器を不注意に公開する。 このリスクに対処するために、クリーンなテスト入力に対して次点次点(next-POI)の精度を低下させた被害者モデルを生成する、学習不能なトラジェクトリ、摂動シーケンスを生成する。 我々はGhostを提案する。Ghostは、摂動が人間のチェックインシーケンスのように見えるが、学習可能な信号は残っていない。
  論文  参考訳（メタデータ） (2026-06-02T14:31:14Z)
• CORE: Context-Robust Remasking for Diffusion Language Models [51.59514489363897]
  我々は、推論時リビジョンのためのトレーニング不要フレームワークであるContext-Robust Remasking (CORE)を提案する。 静的トークンの確率を信頼するのではなく、COREは、ターゲットとなるマスク付きコンテキストの摂動に対する感受性を示すことによって、コンテキスト不安定なトークンを識別する。 LLaDA-8B-Baseでは、COREは推論とコードベンチマークの間で一貫した改善を行い、計算に適合したベースラインを上回り、MBPPを最大9.2%改善した。
  論文  参考訳（メタデータ） (2026-02-04T00:12:30Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)

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。