METRO：非協調的対話におけるエキスパートの対話ログから戦略誘導を目指して
arXiv cs.CL / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、非協調的対話のエキスパート対話トランスクリプトから、対話戦略アクションと計画ロジックの両方を自動的に誘導するために大規模言語モデルを用いる手法METROを提案し、手作業によるコーディングへの依存を低減する。
- METROは、分岐構造によって短期的な応答パターンと長期的な戦略的先見性を組み合わせ、エキスパート知識を階層的な「Strategy Forest（戦略フォレスト）」として表現する。
- 2つのベンチマークでの実験により、METROは既存手法に対して平均で約9%〜10%の性能向上を達成することが示される。
- 著者らは、METROの有効性が戦略的行動の多様性と先見性に関連しており、学習された戦略が異なるタスク間で頑健に転移することを見出している。
- 著者らは、再現性の確保とさらなる開発を支援するオープンソースのコードベースを、リンクされたGitHubリポジトリにて提供している。
