Persuasion Should be Double-Blind: A Multi-Domain Dialogue Dataset With Faithfulness Based on Causal Theory of Mind

要約

説得力のある対話は、さまざまなドメインに影響を与える人間のコミュニケーションにおいて極めて重要な役割を果たします。
最近の説得力のある対話データセットは、多くの場合、実際の対人的相互作用と一致しないため、不誠実な表現につながります。
たとえば、説得力が採用する説得戦略についての説得者に、説得力のそれぞれの質問が従うべき説得力のある質問に対応する説得力を明示的に指示するときなど、非現実的なシナリオが生じる可能性があります。
この問題は、参加者間で重要な情報が完全に共有される「二重盲検」状態の違反に起因する可能性があります。
ただし、実際の人間の相互作用では、説得力のある精神状態や説得者の説得戦略などの重要な情報は直接アクセスできません。
説得者は、マインド能力の理論を使用して説得力のある精神状態を推測し、説得力のある動機と一致する議論を構築しなければなりません。
このギャップに対処するために、因果的な心の理論によって導かれる対話生成のための新しいマルチエージェントフレームワークであるTommaを紹介します。
このフレームワークにより、情報はエージェント間で非公開のままであり、「二重盲検」条件を維持し、因果的なトムは説得者の推論を指示し、人間のような説得力のダイナミクスとの整合性を高めます。
その結果、二重盲検および論理コヒーレンスの両方の問題に取り組むマルチドメインの多ターン説得力のある対話データセットであるCtompersuを提示し、複数のメトリックにわたって優れたパフォーマンスを示し、実際の人間の対話とのより良い整合を実現します。
データセットとプロンプトは、https：//github.com/dingyizhang/tomma-ctompersuで入手できます。

要約(オリジナル)

Persuasive dialogue plays a pivotal role in human communication, influencing various domains. Recent persuasive dialogue datasets often fail to align with real-world interpersonal interactions, leading to unfaithful representations. For instance, unrealistic scenarios may arise, such as when the persuadee explicitly instructs the persuader on which persuasion strategies to employ, with each of the persuadee’s questions corresponding to a specific strategy for the persuader to follow. This issue can be attributed to a violation of the ‘Double Blind’ condition, where critical information is fully shared between participants. In actual human interactions, however, key information such as the mental state of the persuadee and the persuasion strategies of the persuader is not directly accessible. The persuader must infer the persuadee’s mental state using Theory of Mind capabilities and construct arguments that align with the persuadee’s motivations. To address this gap, we introduce ToMMA, a novel multi-agent framework for dialogue generation that is guided by causal Theory of Mind. This framework ensures that information remains undisclosed between agents, preserving ‘double-blind’ conditions, while causal ToM directs the persuader’s reasoning, enhancing alignment with human-like persuasion dynamics. Consequently, we present CToMPersu, a multi-domain, multi-turn persuasive dialogue dataset that tackles both double-blind and logical coherence issues, demonstrating superior performance across multiple metrics and achieving better alignment with real human dialogues. Our dataset and prompts are available at https://github.com/DingyiZhang/ToMMA-CToMPersu .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google