論文の概要: Conversational Swarm Intelligence, a Pilot Study

• arxiv url: http://arxiv.org/abs/2309.03220v1
• Date: Thu, 31 Aug 2023 17:51:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-10 03:26:31.275454
• Title: Conversational Swarm Intelligence, a Pilot Study
• Title（参考訳）: 会話型集団知能 パイロット研究
• Authors: Louis Rosenberg, Gregg Willcox, Hans Schumann, Miles Bader, Ganesh Mani, Kokoro Sagae, Devang Acharya, Yuxin Zheng, Andrew Kim, Jialing Deng
• Abstract要約: Conversational Swarm Intelligence (CSI)は、大規模な人間集団がリアルタイムのネットワーク会話を行うことを可能にする新しい方法である。 CSI構造は、小さな熟考グループ間の局所的な対話と、より広い人口にわたる会話内容のグローバルな伝播を同時に可能とします。
• 参考スコア（独自算出の注目度）: 1.2273265383502197
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conversational Swarm Intelligence (CSI) is a new method for enabling large human groups to hold real-time networked conversations using a technique modeled on the dynamics of biological swarms. Through the novel use of conversational agents powered by Large Language Models (LLMs), the CSI structure simultaneously enables local dialog among small deliberative groups and global propagation of conversational content across a larger population. In this way, CSI combines the benefits of small-group deliberative reasoning and large-scale collective intelligence. In this pilot study, participants deliberating in conversational swarms (via text chat) (a) produced 30% more contributions (p<0.05) than participants deliberating in a standard centralized chat room and (b) demonstrated 7.2% less variance in contribution quantity. These results indicate that users contributed more content and participated more evenly when using the CSI structure.
• Abstract（参考訳）: conversational swarm intelligence(csi)は、生物集団のダイナミクスをモデルとした技術を用いて、大規模な人間の集団がリアルタイムのネットワーク化された会話を開催できるようにする新しい方法である。 大規模言語モデル(llms)を用いた会話エージェントの新規使用により、csi構造は、小さな検討グループ間のローカル対話と、より広い人口にわたる会話コンテンツのグローバル伝播を同時に可能にしている。 このように、csiは小規模集団の審議的推論と大規模集団知能の利点を組み合わせる。 このパイロット実験では、参加者は(テキストチャットを通じて)会話の群れの中で熟考する (a) 標準集中型チャットルームの参加者よりも30%のコントリビューション(p<0.05)を生み出した。 (b)寄与率のばらつきが7.2%減少した。 これらの結果から,csi構造を用いた場合,ユーザはより多くのコンテンツを提供し,より均等に参加できることが示唆された。

関連論文リスト

• Exploiting temporal information to detect conversational groups in videos and predict the next speaker [2.7981106665946944]
  本稿では,ビデオシーケンス中のF生成を検出し,グループ会話における次の話者を予測することを目的とする。 私たちは、グループに属する人のエンゲージメントレベルを測定することに依存しています。 MatchNMingleデータセットの実験では、グループ検出では85%正の正が、次の話者の予測では98%の精度が得られた。
  論文  参考訳（メタデータ） (2024-08-29T09:41:36Z)
• Designing and Evaluating Multi-Chatbot Interface for Human-AI Communication: Preliminary Findings from a Persuasion Task [1.360607903399872]
  本研究では, 特定の説得環境におけるマルチチャットボットコミュニケーションの効果について検討した。 マルチチャットボット通信が可能なオンライン環境を開発し,パイロット実験を行った。 本稿では,マルチチャットボットインタフェースの開発プロセスとパイロット実験による予備的な結果について述べる。
  論文  参考訳（メタデータ） (2024-06-28T04:33:41Z)
• Unveiling the Impact of Multi-Modal Interactions on User Engagement: A Comprehensive Evaluation in AI-driven Conversations [17.409790984399052]
  本稿では,画像と音声をテキストと併用したマルチモーダルインタラクションがユーザエンゲージメントに与える影響について検討する。 本研究は,テキストのみの対話に比べて,マルチモーダルインタラクションによるユーザエンゲージメントが著しく向上していることを明らかにする。 その結果,マルチモーダルインタラクションは認知処理を最適化し,より豊かな情報理解を促進することが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T09:26:55Z)
• A Conversational Brain-Artificial Intelligence Interface [3.017482151674131]
  脳知能インタフェース(BAI)を脳コンピュータインタフェース(BCI)の新しいクラスとして導入する。 BAIは人工知能の力を活用して、神経認知処理パイプラインの一部を置き換える。 本研究では,対話型BAIが言語を生成することなく,複雑なコミュニケーションを実現するための電話会話のシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2024-02-22T23:11:12Z)
• Towards Collective Superintelligence: Amplifying Group IQ using Conversational Swarms [0.9374652839580183]
  スワーム・インテリジェンス(Swarm Intelligence, SI)は、生物群がリアルタイムシステムを形成することによって、それらの統合された知性を増幅できる自然現象である。 過去には、Swarmベースの手法は確率予測や複数選択決定といった狭義のタスクに制約されていた。 2023年にCSI(Conversational Swarm Intelligence)と呼ばれる新しい技術が開発され、ネットワーク化された人間グループの意思決定精度が向上した。
  論文  参考訳（メタデータ） (2024-01-25T19:43:35Z)
• 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)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Self-Explanation Prompting Improves Dialogue Understanding in Large Language Models [52.24756457516834]
  大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。 このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。 6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-09-22T15:41:34Z)
• Knowledge-Grounded Conversational Data Augmentation with Generative Conversational Networks [76.11480953550013]
  生成会話ネットワークを用いて会話データを自動的に生成する。 我々は、Topical Chatデータセット上で、知識のない会話に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2022-07-22T22:37:14Z)
• Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
  我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。 自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2021-10-15T21:46:39Z)
• KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn Knowledge-driven Conversation [66.99734491847076]
  我々は,中国語の多分野知識駆動会話データセットKdConvを提案する。 私たちのコーパスには3つのドメイン(映画、音楽、旅行)から4.5Kの会話と、平均19.0の回転数で86Kの発話が含まれています。
  論文  参考訳（メタデータ） (2020-04-08T16:25:39Z)

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。