論文の概要: Dynamic Epistemic Friction in Dialogue
- arxiv url: http://arxiv.org/abs/2506.10934v1
- Date: Thu, 12 Jun 2025 17:41:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 15:37:22.878886
- Title: Dynamic Epistemic Friction in Dialogue
- Title（参考訳）: 対話における動的てんかん摩擦
- Authors: Timothy Obiso, Kenneth Lai, Abhijnan Nath, Nikhil Krishnaswamy, James Pustejovsky,
- Abstract要約: エピステミック・フリクション(epistemic friction)とは、新しい、矛盾する、曖昧な情報に対する信念を更新する際に発生する抵抗である。
我々はこれを動的疫学の枠組みに位置づけ、相互作用の間、摩擦は非自明な信念の再考として現れる。
- 参考スコア（独自算出の注目度）: 9.319621877912311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent developments in aligning Large Language Models (LLMs) with human preferences have significantly enhanced their utility in human-AI collaborative scenarios. However, such approaches often neglect the critical role of "epistemic friction," or the inherent resistance encountered when updating beliefs in response to new, conflicting, or ambiguous information. In this paper, we define dynamic epistemic friction as the resistance to epistemic integration, characterized by the misalignment between an agent's current belief state and new propositions supported by external evidence. We position this within the framework of Dynamic Epistemic Logic (Van Benthem and Pacuit, 2011), where friction emerges as nontrivial belief-revision during the interaction. We then present analyses from a situated collaborative task that demonstrate how this model of epistemic friction can effectively predict belief updates in dialogues, and we subsequently discuss how the model of belief alignment as a measure of epistemic resistance or friction can naturally be made more sophisticated to accommodate the complexities of real-world dialogue scenarios.
- Abstract（参考訳）: 大規模言語モデル(LLM)と人間の嗜好の整合性に関する最近の進歩は、人間とAIの協調シナリオにおいて、その実用性を著しく向上させてきた。
しかし、このようなアプローチは、新しい、矛盾する、曖昧な情報に反応して信念を更新する際に生じる「緊急摩擦」や固有の抵抗の批判的役割を無視することが多い。
本稿では, 動的てんかん摩擦を, エージェントの現在の信念状態と, 外部証拠に支えられた新たな命題との相違を特徴とするててんかん統合に対する抵抗として定義する。
我々は、動的疫学(Van Benthem and Pacuit, 2011)の枠組みの中でこれを位置づけ、相互作用の間、摩擦は非自明な信念の再定義として現れる。
そこで我々は, 認識的摩擦のモデルが対話における信念の更新を効果的に予測できることを示す, 位置付けられた協調作業から分析を行い, その後, 認識的抵抗や摩擦の尺度としての信念のアライメントのモデルが, 現実世界の対話シナリオの複雑さに適応するために, いかにしてより洗練されたものにできるかを論じる。
関連論文リスト
- Self-Organizing Graph Reasoning Evolves into a Critical State for Continuous Discovery Through Structural-Semantic Dynamics [0.0]
エージェントグラフ推論システムは,連続的な意味的発見を持続する臨界状態に向かって自然に進化することを示す。
意味的エントロピーが構造的エントロピーよりも支配的な微妙で頑健な体制を同定する。
本研究は,工学的知能システムにおいて,長期的発見と適応のための本質的な能力を持つ実践的戦略を提供する。
論文 参考訳（メタデータ） (2025-03-24T16:30:37Z) - Better Slow than Sorry: Introducing Positive Friction for Reliable Dialogue Systems [36.88021317372274]
摩擦のない対話は、AI出力への非クリティカルな依存を促進する。
本稿では,会話型AIに肯定的な摩擦を組み込むことにより,ユーザの目標に対する反映,システム応答に対する批判的思考,その後のAIシステムの再コンディショニングを促進することを提案する。
論文 参考訳（メタデータ） (2025-01-28T23:50:02Z) - OOD-HOI: Text-Driven 3D Whole-Body Human-Object Interactions Generation Beyond Training Domains [66.62502882481373]
現在の方法では、身体と手の両方に焦点を合わせ、結束的で現実的な相互作用を生み出す能力を制限する傾向にある。
我々は,OOD-HOIというテキスト駆動型フレームワークを提案する。
提案手法は,初期相互作用ポーズを合成するための二重分岐相互拡散モデルと,予測された接触領域に基づく物理的精度向上のための接触誘導相互作用精製器と,ロバスト性向上のための意味的調整と変形を含む動的適応機構を統合した。
論文 参考訳（メタデータ） (2024-11-27T10:13:35Z) - Higher order definition of causality by optimally conditioned transfer entropy [0.0]
本稿では,因果推論に対する情報理論的アプローチの一般化と改良を提案する。
特に、多変量因果集合に因果的役割を割り当てるが、個々の入力には直交しない。
我々は、この概念を、実演理論的な例に適用し、生体物理学的に現実的な生体神経力学シミュレーションに応用することによって実証する。
論文 参考訳（メタデータ） (2024-08-30T12:04:51Z) - Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-08-10T17:04:39Z) - Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。
MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。
時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
論文 参考訳（メタデータ） (2024-04-25T12:47:47Z) - JAB: Joint Adversarial Prompting and Belief Augmentation [81.39548637776365]
我々は,ブラックボックスターゲットモデルの強靭性を,敵対的プロンプトと信念の増大を通じて探索し,改善する共同枠組みを導入する。
このフレームワークは、自動的なレッド・チームリング手法を用いてターゲットモデルを探索し、信念強化器を用いて目標モデルの命令を生成し、敵のプローブに対するロバスト性を向上させる。
論文 参考訳（メタデータ） (2023-11-16T00:35:54Z) - Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2023-09-30T20:59:42Z) - Counterfactual Off-Policy Training for Neural Response Generation [94.76649147381232]
本稿では,反実的推論による潜在的応答の探索を提案する。
対人学習の枠組みの下での対物反応の訓練は、潜在的応答空間の高逆領域を探索するのに役立つ。
DailyDialogデータセットに関する実証的研究は、我々のアプローチがHREDモデルを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2020-04-29T22:46:28Z) - Interactions in information spread: quantification and interpretation
using stochastic block models [3.5450828190071655]
ソーシャルネットワークでは、ユーザーの行動は、対話する人々、フィード内のニュース、トレンドトピックから生じる。
本稿では、エンティティ間のインタラクションの役割を調査する新しいモデル、Interactive Mixed Membership Block Model (IMMSBM)を提案する。
推論タスクでは、それらを考慮すれば、結果の確率の最大150%の非相互作用モデルに対する平均的な相対的な変化につながる。
論文 参考訳（メタデータ） (2020-04-09T14:22:10Z)
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。