HyperSumm-RL：用于建模社交机器人领导力感知的对话摘要框架

Subasish Das

HyperSumm-RL：用于建模社交机器人领导力感知的对话摘要框架

人机交互 2025-07-08 v1

作者: Subasish Das

摘要

本文介绍HyperSumm-RL，一个面向通过长形式对话研究社交机器人领导力感知的人类感知驱动的摘要和交互分析框架。该系统利用结构化的自然语言处理(NLP)工作流程，结合基于转换器的长对话摘要、领导风格建模和用户响应分析，实现了对复杂人机交互(HRI)环境中社交机器人的可扩展评估。与先前关注静态或任务导向HRI的工作不同，HyperSumm-RL捕捉并对话纱式地组织动态对话交互，形成可导航的语义丰富表示，使研究人员能够追踪交互线程、识别影响线索并随时间分析领导力框架。本研究的贡献有三方面：(1)我们提出了一种用于总结和链接长型、多回合对话的新型基础设施，采用领导风格分类法; (2)我们提出一种交互式对话纱模型，支持跨对话主题、参与者响应和机器人行为模式的关系导航; (3)我们展示了该系统在社交机器人领导情境中解释参与者信任、参与度和期望转变的实用性。研究发现，对话纱式工作流程如何通过实现透明、可解释且语义上导向性分析众生社交动态而增强HRI研究。

关键词

对话摘要领导力感知社交机器人对话纱框架人机交互

引用

@article{arxiv.2507.04160,
  title  = {HyperSumm-RL: A Dialogue Summarization Framework for Modeling Leadership Perception in Social Robots},
  author = {Subasish Das},
  journal= {arXiv preprint arXiv:2507.04160},
  year   = {2025}
}

备注

6 pages with references

HyperSumm-RL：用于建模社交机器人领导力感知的对话摘要框架

摘要

关键词

引用

备注

相关论文