論文の概要: Agency Among Agents: Designing with Hypertextual Friction in the Algorithmic Web
- arxiv url: http://arxiv.org/abs/2507.23585v1
- Date: Thu, 31 Jul 2025 14:18:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.577821
- Title: Agency Among Agents: Designing with Hypertextual Friction in the Algorithmic Web
- Title（参考訳）: エージェント間のエージェント:アルゴリズムWebにおけるハイパーテキスト摩擦による設計
- Authors: Sophia Liu, Shm Garanganao Almeda,
- Abstract要約: ハイパーテキストシステムでは,創発性,連想的思考,ユーザ主導による意味作りが重視されている。
アルゴリズムシステムではプロセスがあいまいになり,参加がフラットになる傾向がある。
- 参考スコア（独自算出の注目度）: 0.29465623430708904
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Today's algorithm-driven interfaces, from recommendation feeds to GenAI tools, often prioritize engagement and efficiency at the expense of user agency. As systems take on more decision-making, users have less control over what they see and how meaning or relationships between content are constructed. This paper introduces "Hypertextual Friction," a conceptual design stance that repositions classical hypertext principles--friction, traceability, and structure--as actionable values for reclaiming agency in algorithmically mediated environments. Through a comparative analysis of real-world interfaces--Wikipedia vs. Instagram Explore, and Are.na vs. GenAI image tools--we examine how different systems structure user experience, navigation, and authorship. We show that hypertext systems emphasize provenance, associative thinking, and user-driven meaning-making, while algorithmic systems tend to obscure process and flatten participation. We contribute: (1) a comparative analysis of how interface structures shape agency in user-driven versus agent-driven systems, and (2) a conceptual stance that offers hypertextual values as design commitments for reclaiming agency in an increasingly algorithmic web.
- Abstract（参考訳）: 今日のアルゴリズム駆動インターフェースは、レコメンデーションフィードからGenAIツールまで、しばしばユーザエージェンシーを犠牲にして、エンゲージメントと効率を優先する。
システムがより意思決定を行うにつれて、ユーザは、自分が見ているものや、コンテンツ間の意味や関係がどう構築されるかについて、よりコントロールすることができない。
本稿では,古典的ハイパーテキストの原理-フリクション,トレーサビリティ,構造-を,アルゴリズムが媒介する環境におけるエージェントの再生に有効な値として再配置する概念的設計手法である"Hypertextual Friction"を紹介する。
Wikipedia vs. Instagram ExploreとAre.na vs. GenAIイメージツールの実際のインターフェースの比較分析を通じて、異なるシステムのユーザエクスペリエンス、ナビゲーション、著者シップがどのように構成されているかを検討する。
ハイパーテキストシステムでは,創発性,連想的思考,ユーザ主導の意味作りが重視される一方で,アルゴリズムシステムではプロセスの曖昧さや参加の平坦さが強調される。
筆者らは,(1)ユーザ駆動型とエージェント駆動型システムにおいて,インターフェース構造がどのようにエージェンシーを形作るかの比較分析し,(2)アルゴリズム的ウェブにおけるエージェンシーの再生のための設計コミットメントとして,ハイパーテキスト的価値を提供する概念的スタンスを提案する。
関連論文リスト
- Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - Deep Research Agents: A Systematic Examination And Roadmap [79.04813794804377]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Learning, Reasoning, Refinement: A Framework for Kahneman's Dual-System Intelligence in GUI Agents [15.303188467166752]
人間の動作に類似したGUI自動化のための適応学習を実現することにより,制限を克服する認知フレームワークであるCogniGUIを提案する。
エージェントシステムの一般化と適応性を評価するために,マルチアプリケーションナビゲーション,動的状態遷移,インターフェースのコヒーレンスなどを含む総合ベンチマークScreenSeekを導入する。
実験結果から,現在のGUIグラウンドベンチマークと新たに提案したベンチマークの両方において,CogniGUIが最先端の手法を上回ることが示された。
論文 参考訳（メタデータ） (2025-06-22T06:30:52Z) - Factored Agents: Decoupling In-Context Learning and Memorization for Robust Tool Use [4.437184840125514]
本稿ではエージェントAIにおける従来の単一エージェントシステムの限界を克服する新しいファクターエージェントアーキテクチャを提案する。
提案手法はエージェントを,(1)高レベルプランナーおよびインコンテキスト学習者として機能する大規模言語モデル,(2)ツールフォーマットと出力の記憶器として機能する小型言語モデルに分解する。
経験的評価により,本アーキテクチャは,テキスト内学習と静的記憶のトレードオフを解明しつつ,計画精度と誤り回復性を著しく向上することが示された。
論文 参考訳（メタデータ） (2025-03-29T01:27:11Z) - A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。
大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。
本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
論文 参考訳（メタデータ） (2025-03-27T17:58:31Z) - Robust Interaction-Based Relevance Modeling for Online e-Commerce Search [8.499253194630665]
従来のテキストマッチング技術は、検索意図のニュアンスを正確に捉えることができない。
このような欠点に対処するために、ロバストなインタラクションベースのモデリングパラダイムを導入します。
我々の知る限りでは、この手法は大規模なeコマース検索関連性計算のための対話に基づく最初のアプローチである。
論文 参考訳（メタデータ） (2024-06-04T09:24:04Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。