論文の概要: Let AI Entertain You: Increasing User Engagement with Generative AI and Rejection Sampling

• arxiv url: http://arxiv.org/abs/2312.12457v1
• Date: Sat, 16 Dec 2023 08:06:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 18:53:29.540371
• Title: Let AI Entertain You: Increasing User Engagement with Generative AI and Rejection Sampling
• Title（参考訳）: AIがあなたに入り込む: ジェネレーティブAIとリジェクションサンプリングによるユーザエンゲージメントの向上
• Authors: Jingying Zeng, Jaewon Yang, Waleed Malik, Xiao Yan, Richard Huang, Qi He
• Abstract要約: 本稿では、ユーザフィードバックを活用して、生成AIによるユーザエンゲージメントを改善するための一般的なフレームワークを提案する。 我々は,オンラインソーシャルネットワークのメール通知対象ライン生成の文脈において,このフレームワークを活用した。 これは、ユーザーエンゲージメントを高めるために生成AIを成功させた業界における、初期のマイルストーンである。
• 参考スコア（独自算出の注目度）: 7.715423424826709
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While generative AI excels in content generation, it does not always increase user engagement. This can be attributed to two main factors. First, generative AI generates content without incorporating explicit or implicit feedback about user interactions. Even if the generated content seems to be more informative or well-written, it does not necessarily lead to an increase in user activities, such as clicks. Second, there is a concern with the quality of the content generative AI produces, which often lacks the distinctiveness and authenticity that human-created content possesses. These two factors can lead to content that fails to meet specific needs and preferences of users, ultimately reducing its potential to be engaging. This paper presents a generic framework of how to improve user engagement with generative AI by leveraging user feedback. Our solutions employ rejection sampling, a technique used in reinforcement learning, to boost engagement metrics. We leveraged the framework in the context of email notification subject lines generation for an online social network, and achieved significant engagement metric lift including +1% Session and +0.4% Weekly Active Users. We believe our work offers a universal framework that enhances user engagement with generative AI, particularly when standard generative AI reaches its limits in terms of enhancing content to be more captivating. To the best of our knowledge, this represents an early milestone in the industry's successful use of generative AI to enhance user engagement.
• Abstract（参考訳）: 生成AIはコンテンツ生成に優れているが、ユーザーエンゲージメントを常に増加させるわけではない。 これは2つの主要な要因に起因する。 まず、生成AIはユーザーインタラクションに関する明示的あるいは暗黙的なフィードバックを取り入れずにコンテンツを生成する。 生成されたコンテンツがより情報的あるいはよく書かれていたとしても、クリックのようなユーザーアクティビティの増加につながるとは限らない。 第二に、コンテンツ生成aiが生み出すコンテンツの品質に懸念がある。 これらの2つの要因は、ユーザーの特定のニーズや好みを満たさないコンテンツにつながり、最終的にはエンゲージメントの可能性を減少させる。 本稿では、ユーザフィードバックを活用して、生成AIによるユーザエンゲージメントを改善するための一般的なフレームワークを提案する。 我々のソリューションは、エンゲージメント指標を高めるために強化学習に使用される手法である拒絶サンプリングを採用する。 我々は,オンラインソーシャルネットワークのメール通知対象ライン生成の文脈において,このフレームワークを活用し,+1%セッション,+0.4%アクティブユーザなど,重要なエンゲージメント基準を達成した。 私たちの仕事は、生成AIへのユーザエンゲージメントを高める普遍的なフレームワークを提供する、と私たちは信じています。 私たちの知る限りでは、これは、ユーザーエンゲージメントを高めるために生成AIを業界で成功させた初期のマイルストーンである。

関連論文リスト

• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• Examining the Prevalence and Dynamics of AI-Generated Media in Art Subreddits [13.343255875002459]
  AI生成コンテンツがRedditのアート関連コミュニティに与える影響について検討する。 私たちは、これらのコミュニティがAIによって透明に作成する画像ベースの投稿や、生成的AIを使用する著者を疑うコミュニティのコメントを見てみます。 我々は、AIコンテンツが新参者にとってより簡単に利用でき、コミュニティのルールに従って参加を増やすのに役立つことを示している。
  論文  参考訳（メタデータ） (2024-10-09T17:41:13Z)
• Identity-related Speech Suppression in Generative AI Content Moderation [2.812395851874055]
  生成AIシステムは、そのようなフィルタを使用して、望ましくない生成されたコンテンツがユーザによって作成または提示されるのを防ぐ。 本稿では,複数のコンテンツモデレーションAPIによって誤ってフィルタリングされた異なるアイデンティティグループに関連する音声に焦点を当て,音声抑圧の尺度を定義し,導入する。 同一性関連音声は, 少数の非マールガル化群を除いて, 他言語よりも不正にフィルタリングされる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-09T14:34:51Z)
• The Influencer Next Door: How Misinformation Creators Use GenAI [1.1650821883155187]
  我々は、非専門家がGenAIをリミックス、再パッケージ、そして(再)コンテンツの制作に利用し、彼らの個人的ニーズや欲求に応えていることに気付きました。 我々は、これらの突発的GenAIの使用が、新しいまたは加速された誤情報障害をいかに生み出すかを分析する。
  論文  参考訳（メタデータ） (2024-05-22T11:40:22Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)
• Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
  無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。 我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。 最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-09T09:30:23Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)

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。