TIDES: A Longitudinal Bilingual Dataset for Modeling Multi-Party Social Dynamics

📄 arXiv: 2608.01724v1 📥 PDF

作者: Heechan Lee, Jeonggyu Kang, Junho Myung, Jaywoong Jeong, Juho Kim, Joseph Seering

分类: cs.CL, cs.AI, cs.HC

发布日期: 2026-08-03

备注: The first two authors hold equal contribution. Accepted to COLM 2026. Project website: https://tides.cstlab.org/

💡 一句话要点

提出TIDES数据集以解决多方社交动态建模问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多方对话 社交动态 数据集 模型微调 团队协作 自然语言处理 长时间跟踪

📋 核心要点

  1. 现有方法在处理多方对话时，往往无法有效捕捉长期社交动态，限制了模型的应用。
  2. 本文提出TIDES数据集，通过跟踪大学项目团队的长期互动，提供自然的对话记录以支持多方社交动态建模。
  3. 实验结果显示，微调后的模型在下一发言者预测上提升了13.8个百分点，且在数据使用上更为高效。

📝 摘要（中文）

小组对话是人类协作的基础，但现有的大型语言模型在处理多方互动的复杂性时仍面临挑战。现有的数据集通常局限于短期实验室环境，无法捕捉真实团队的长期社交动态。为此，本文提出了TIDES，一个高分辨率的纵向数据集，跟踪12个大学项目团队在一个学期内的互动，包含75971条英语和韩语的发言记录。通过对互动类型、角色演变和发展阶段的社会结构注释，TIDES为团队演变建模提供了基础。实验表明，在TIDES上进行微调后，下一发言者预测的准确率比基线提高了13.8个百分点，并且在使用约42%更少的训练数据的情况下，模型的性能接近于最新的AMI会议语料库的最佳结果。

🔬 方法详解

问题定义：本文旨在解决现有多方对话数据集在长期社交动态建模上的不足，现有方法多集中于短期实验室环境，无法反映真实团队的互动复杂性。

核心思路：提出TIDES数据集，通过记录大学项目团队在一个学期内的真实互动，捕捉多方对话的长期演变和社交动态。该数据集包含丰富的社会结构注释，支持对团队演变的深入分析。

技术框架：TIDES数据集的构建包括数据收集、注释和模型训练三个主要阶段。数据收集阶段通过观察和记录团队会议，注释阶段对互动类型和角色进行标注，最后在模型训练阶段进行微调以提升预测性能。

关键创新：TIDES数据集的最大创新在于其纵向特性和丰富的社会结构注释，使得模型能够更好地理解和预测多方对话中的社交动态，与现有短期数据集形成鲜明对比。

关键设计：在模型训练中，采用了特定的损失函数以优化下一发言者预测的准确性，并通过减少训练数据量来提高效率，确保模型在较少数据下仍能达到较高的性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，微调后的模型在下一发言者预测上比基线提高了13.8个百分点，达到了64.53%的准确率。此外，模型在使用约42%更少的训练数据的情况下，性能接近于最新的AMI会议语料库的最佳结果，展现了良好的数据利用效率。

🎯 应用场景

该研究的潜在应用领域包括团队协作工具、社交媒体分析和人机交互等。通过更好地理解多方对话的动态，能够提升协作效率和用户体验，未来可能对教育、企业管理等领域产生深远影响。

📄 摘要（原文）

Group conversations are fundamental to human collaboration, yet standard large language models (LLMs) still struggle with the complexities of multi-party interaction. This challenge persists in part because existing group conversation datasets are often limited to short-term lab settings with contrived tasks, failing to capture the long-term social dynamics of real-world teams. To bridge this gap, we introduce TIDES, a high-resolution longitudinal dataset tracking 12 university project teams over a full semester. Comprising 75,971 utterances in both English and Korean from in-person meetings, TIDES provides a naturalistic record of teams working on self-managed projects. Our socio-structural annotations-covering interaction types, emergent roles, and development stages-allow for modeling of team evolution over months. Experiments show that fine-tuning on TIDES improves next-speaker prediction by 13.8 percentage points over a bigram baseline (64.53%) and yields performance comparable to strong proprietary zero-shot models. The model also comes within 2.1 percentage points of the published state of the art on the AMI Meeting Corpus while using approximately 42% less training data. However, human evaluations suggest that better next-speaker prediction does not necessarily yield more natural or coherent utterances, as fine-tuned models were generally less preferred than vanilla models. This potential mismatch motivates further study of how structural modeling can support natural multi-party generation.