論文の概要: DR-HAI: Argumentation-based Dialectical Reconciliation in Human-AI
Interactions
- arxiv url: http://arxiv.org/abs/2306.14694v1
- Date: Mon, 26 Jun 2023 13:39:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 13:29:43.116465
- Title: DR-HAI: Argumentation-based Dialectical Reconciliation in Human-AI
Interactions
- Title(参考訳): DR-HAI:人間とAIの相互作用における調停に基づく弁証的和解
- Authors: Stylianos Loukas Vasileiou, Ashwin Kumar, William Yeoh, Tran Cao Son,
Francesca Toni
- Abstract要約: DR-HAI(DR-HAI)は、人間とAIの相互作用を改善するためのモデル和解アプローチの拡張を目的としたフレームワークである。
DR-HAIはマルチショット調停パラダイムを採用することにより、対話型調停を可能にし、説明者と説明者の知識の相違に対処する。
- 参考スコア(独自算出の注目度): 13.975482462503747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce DR-HAI -- a novel argumentation-based framework designed to
extend model reconciliation approaches, commonly used in explainable AI
planning, for enhanced human-AI interaction. By adopting a multi-shot
reconciliation paradigm and not assuming a-priori knowledge of the human user's
model, DR-HAI enables interactive reconciliation to address knowledge
discrepancies between an explainer and an explainee. We formally describe the
operational semantics of DR-HAI, provide theoretical guarantees related to
termination and success, and empirically evaluate its efficacy. Our findings
suggest that DR-HAI offers a promising direction for fostering effective
human-AI interactions.
- Abstract(参考訳): DR-HAIは、人間とAIの相互作用を強化するために、説明可能なAI計画に一般的に使用されるモデル和解アプローチを拡張するために設計された、新しい議論ベースのフレームワークである。
DR-HAIは、マルチショット和解パラダイムを採用し、人間のモデルのプリオリ知識を仮定しないことにより、対話型和解を可能にし、説明者と説明者の知識の相違に対処する。
DR-HAIの動作意味論を正式に記述し、終了と成功に関する理論的保証を提供し、その有効性を実証的に評価する。
本研究は,DR-HAIが効果的な人間とAIの相互作用を促進する上で有望な方向性を示すことを示唆している。
関連論文リスト
- AntEval: Evaluation of Social Interaction Competencies in LLM-Driven
Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。
しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。
本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文 参考訳(メタデータ) (2024-01-12T11:18:00Z) - Human-AI collaboration is not very collaborative yet: A taxonomy of interaction patterns in AI-assisted decision making from a systematic review [6.013543974938446]
意思決定支援システムにおける人工知能の活用は、技術的進歩に不相応に焦点を合わせてきた。
人間中心の視点は、既存のプロセスとのシームレスな統合のためにAIソリューションを設計することで、この懸念を緩和しようとする。
論文 参考訳(メタデータ) (2023-10-30T17:46:38Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-25T14:20:52Z) - RR-Net: Injecting Interactive Semantics in Human-Object Interaction
Detection [40.65483058890176]
最新のエンドツーエンドHOI検出器は関係推論に欠けており、予測のためにHOI固有の対話的セマンティクスを学習できない。
まず、インタラクション推論のための新しい構造とパラメータ共有パターンをもたらす、プログレッシブな関係認識フレームを提案する。
上記のモジュールに基づいて、Relation Reasoning Network (abbr) というエンドツーエンドのトレーニング可能なフレームワークを構築します。
RR-Net)
論文 参考訳(メタデータ) (2021-04-30T14:03:10Z) - I like fish, especially dolphins: Addressing Contradictions in Dialogue
Modeling [104.09033240889106]
DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。
次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
論文 参考訳(メタデータ) (2020-12-24T18:47:49Z) - Introducing Syntactic Structures into Target Opinion Word Extraction
with Deep Learning [89.64620296557177]
目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。
また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。
提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
論文 参考訳(メタデータ) (2020-10-26T07:13:17Z) - Discourse Coherence, Reference Grounding and Goal Oriented Dialogue [15.766916122461922]
我々は、混合開始型人間-コンピュータの参照通信を実現するための新しいアプローチについて論じる。
本稿では,談話間の制約を蓄積し,学習確率モデルを用いて解釈する参照通信領域における単純な対話システムについて述べる。
論文 参考訳(メタデータ) (2020-07-08T20:53:14Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳(メタデータ) (2020-04-17T03:51:57Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳(メタデータ) (2020-04-11T12:51:07Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。