論文の概要: User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation

• arxiv url: http://arxiv.org/abs/2501.04410v1
• Date: Wed, 08 Jan 2025 10:49:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:56:57.194384
• Title: User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation
• Title（参考訳）: 生成AI時代のユーザシミュレーション:ユーザモデリング、合成データ生成、システム評価
• Authors: Krisztian Balog, ChengXiang Zhai,
• Abstract要約: ユーザシミュレーションは、ジェネレーティブAIの時代において、複数の重要なアプリケーションを持つ、新たな学際的なトピックである。 それは、AIシステムと対話する人間のユーザのアクションを模倣するインテリジェントエージェントを作成することを含む。 ユーザシミュレーションは多様な分野に深く影響し、人工知能の追求に重要な役割を果たしている。
• 参考スコア（独自算出の注目度）: 38.48048183731099
• License:
• Abstract: User simulation is an emerging interdisciplinary topic with multiple critical applications in the era of Generative AI. It involves creating an intelligent agent that mimics the actions of a human user interacting with an AI system, enabling researchers to model and analyze user behaviour, generate synthetic data for training, and evaluate interactive AI systems in a controlled and reproducible manner. User simulation has profound implications for diverse fields and plays a vital role in the pursuit of Artificial General Intelligence. This paper provides an overview of user simulation, highlighting its key applications, connections to various disciplines, and outlining future research directions to advance this increasingly important technology.
• Abstract（参考訳）: ユーザシミュレーションは、ジェネレーティブAIの時代において、複数の重要なアプリケーションを持つ、新たな学際的なトピックである。 それは、AIシステムと対話する人間の行動を模倣するインテリジェントなエージェントを作成し、研究者がユーザーの振る舞いをモデル化し分析し、トレーニング用の合成データを生成し、制御され再現可能な方法でインタラクティブなAIシステムを評価することを可能にする。 ユーザシミュレーションは多様な分野に深く影響し、人工知能の追求に重要な役割を果たしている。 本稿では,ユーザシミュレーションの概要を述べるとともに,その重要な応用,各種分野への接続,今後の研究の方向性について概説する。

関連論文リスト

• Foundations of GenIR [14.45971746205563]
  この章では、情報アクセスシステムにおける現代の生成AIモデルの基盤的影響について論じている。 従来のAIとは対照的に、生成AIモデルの大規模なトレーニングと優れたデータモデリングにより、高品質で人間らしい応答を生成することができる。
  論文  参考訳（メタデータ） (2025-01-06T08:38:29Z)
• From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
  伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。 大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。 シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
  論文  参考訳（メタデータ） (2024-12-04T18:56:37Z)
• 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)
• MRAC Track 1: 2nd Workshop on Multimodal, Generative and Responsible Affective Computing [19.895638232394262]
  MRAC 2024 Track 1ワークショップは、これらの原則を現実の大規模コンテキストに拡張することを目指している。 ワークショップは、生成技術がもたらす潜在的な影響と、その使用の倫理的影響も強調することを目的としている。
  論文  参考訳（メタデータ） (2024-09-11T13:25:42Z)
• User Simulation for Evaluating Information Access Systems [38.48048183731099]
  インタラクティブな知能システムの有効性を評価することは 複雑な科学的課題です 本書は,評価に特化して設計されたユーザシミュレーション技術について,詳細な理解を提供する。 ユーザシミュレータを設計するための一般的なフレームワークと、検索エンジン、レコメンダシステム、会話アシスタントとのユーザインタラクションをシミュレートする特定のモデルとアルゴリズムの両方をカバーする。
  論文  参考訳（メタデータ） (2023-06-14T14:54:06Z)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)

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。