Fugu-MT 論文翻訳(概要): Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks

論文の概要: Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks

arxiv url: http://arxiv.org/abs/2303.06430v2
Date: Tue, 14 Mar 2023 13:44:40 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 11:19:01.335610
Title: Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks
Title（参考訳）: 人間-AIテキスト協調作業におけるインタラクションのデザイン空間のマッピング
Authors: Zijian Ding, Joel Chan
Abstract要約: 大きな言語モデル(LLM)は印象的なテキスト生成機能を示している。本稿では,コンテンツ生成タスクとそれに対応するヒューマンとAIのインタラクションパターンについて述べる。
参考スコア（独自算出の注目度）: 8.160343645537106
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large Language Models (LLMs) have demonstrated impressive text generation capabilities, prompting us to reconsider the future of human-AI co-creation and how humans interact with LLMs. In this paper, we present a spectrum of content generation tasks and their corresponding human-AI interaction patterns. These tasks include: 1) fixed-scope content curation tasks with minimal human-AI interactions, 2) independent creative tasks with precise human-AI interactions, and 3) complex and interdependent creative tasks with iterative human-AI interactions. We encourage the generative AI and HCI research communities to focus on the more complex and interdependent tasks, which require greater levels of human involvement.
Abstract（参考訳）: 大規模言語モデル (LLM) は印象的なテキスト生成能力を示し、人間とAIの共創の未来と、人間がLLMとどのように相互作用するかを再考するきっかけとなった。本稿では,コンテンツ生成タスクとそれに対応するヒューマン・AIインタラクションパターンについて述べる。これらのタスクには以下のものがある。 1)人間とaiの相互作用を最小限に抑える固定スコープコンテンツキュレーションタスク 2)人間とAIのインタラクションを正確に行う独立した創造的タスク 3) 反復的人間-AIインタラクションによる複雑で相互依存的な創造的タスク。我々は、生成的なaiとhci研究コミュニティに対して、より複雑な、相互依存的なタスクに焦点を合わせることを奨励します。

関連論文リスト

Shifting the Human-AI Relationship: Toward a Dynamic Relational Learning-Partner Model [0.0]
我々は、人間との対話から学ぶ学生に似た、AIを学習パートナーとして見ることへのシフトを提唱する。我々は「第三の心」が人間とAIの協力関係を通して生まれることを示唆する。
論文参考訳（メタデータ） (2024-10-07T19:19:39Z)
Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。 Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
論文参考訳（メタデータ） (2024-09-13T13:19:48Z)
CREW: Facilitating Human-AI Teaming Research [3.7324091969140776]
我々は、人間とAIのコラボレーション研究を促進するプラットフォームCREWを紹介し、複数の科学分野から協力する。これには、認知研究のための事前構築されたタスクや、モジュール設計から拡張可能なポテンシャルを備えたヒューマンAIコラボレーションが含まれます。 CREWは、最先端のアルゴリズムとよく訓練されたベースラインを使用して、リアルタイムの人間誘導型強化学習エージェントをベンチマークする。
論文参考訳（メタデータ） (2024-07-31T21:43:55Z)
Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
論文参考訳（メタデータ） (2024-02-20T11:03:36Z)
Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。 Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
論文参考訳（メタデータ） (2023-10-19T17:29:17Z)
Improving Grounded Language Understanding in a Collaborative Environment by Interacting with Agents Through Help Feedback [42.19685958922537]
我々は、人間とAIのコラボレーションは対話的であり、人間がAIエージェントの作業を監視し、エージェントが理解し活用できるフィードバックを提供するべきだと論じている。本研究では, IGLUコンペティションによって定義された課題である, マイニングクラフトのような世界における対話型言語理解タスクを用いて, これらの方向を探索する。
論文参考訳（メタデータ） (2023-04-21T05:37:59Z)
Mutual Theory of Mind for Human-AI Communication [5.969858080492586]
新たな発展により、AIシステムは人間の明示的、暗黙的な行動や口頭で、社会的手がかりを知覚し、認識し、反応することができる。これらのAIシステムは、現在、デートプラットフォームのマッチメーカーとして機能し、学生の学習をアシスタントとして支援し、仕事のパートナーとして生産性を向上させる。我々は,人間のコミュニケーションにおけるToMの能力に触発されたMTOM(Mutual Theory of Mind)フレームワークを提案し,この新世代のHAI研究を導く。
論文参考訳（メタデータ） (2022-10-07T22:46:04Z)
IGLU 2022: Interactive Grounded Language Understanding in a Collaborative Environment at NeurIPS 2022 [63.07251290802841]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。競争の第一の目的は、対話型エンボディエージェントの開発方法の問題にアプローチすることである。この研究課題は、NeurIPSコミュニティと非常に関係のある2つの研究分野に自然に関連があるが、限定的ではない。
論文参考訳（メタデータ） (2022-05-27T06:12:48Z)
A Mental-Model Centric Landscape of Human-AI Symbiosis [31.14516396625931]
我々は、GHAI(Generalized Human-Aware Interaction)と呼ばれる、ヒューマン・アウェア・AIインタラクション・スキームの極めて一般的なバージョンを導入する。この新しいフレームワークによって、人間とAIのインタラクションの空間で達成されたさまざまな作業が捕捉され、これらの作業によって支えられる基本的な行動パターンが特定できるかどうかを確認します。
論文参考訳（メタデータ） (2022-02-18T22:08:08Z)
NeurIPS 2021 Competition IGLU: Interactive Grounded Language Understanding in a Collaborative Environment [71.11505407453072]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。この研究課題は、自然言語理解・生成(NLU/G)と強化学習(RL)という、NeurIPSコミュニティと密接に関連している2つの分野に自然に関連している。
論文参考訳（メタデータ） (2021-10-13T07:13:44Z)
LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
論文参考訳（メタデータ） (2020-07-31T00:13:54Z)

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。