論文の概要: EMPATHIA: Multi-Faceted Human-AI Collaboration for Refugee Integration
- arxiv url: http://arxiv.org/abs/2508.07671v1
- Date: Mon, 11 Aug 2025 06:50:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.974886
- Title: EMPATHIA: Multi-Faceted Human-AI Collaboration for Refugee Integration
- Title（参考訳）: EMPATHIA:Refugee統合のための多面的ヒューマンAIコラボレーション
- Authors: Mohamed Rayan Barhdadi, Mehmet Tuncel, Erchin Serpedin, Hasan Kurban,
- Abstract要約: 難民統合への現在のAIアプローチは、雇用のような狭い目標を最適化する。
我々は、中央のCreative AI問題に対処するマルチエージェントフレームワークであるEMPATHIAを紹介します。
- 参考スコア（独自算出の注目度）: 2.172419551358714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current AI approaches to refugee integration optimize narrow objectives such as employment and fail to capture the cultural, emotional, and ethical dimensions critical for long-term success. We introduce EMPATHIA (Enriched Multimodal Pathways for Agentic Thinking in Humanitarian Immigrant Assistance), a multi-agent framework addressing the central Creative AI question: how do we preserve human dignity when machines participate in life-altering decisions? Grounded in Kegan's Constructive Developmental Theory, EMPATHIA decomposes integration into three modules: SEED (Socio-cultural Entry and Embedding Decision) for initial placement, RISE (Rapid Integration and Self-sufficiency Engine) for early independence, and THRIVE (Transcultural Harmony and Resilience through Integrated Values and Engagement) for sustained outcomes. SEED employs a selector-validator architecture with three specialized agents - emotional, cultural, and ethical - that deliberate transparently to produce interpretable recommendations. Experiments on the UN Kakuma dataset (15,026 individuals, 7,960 eligible adults 15+ per ILO/UNHCR standards) and implementation on 6,359 working-age refugees (15+) with 150+ socioeconomic variables achieved 87.4% validation convergence and explainable assessments across five host countries. EMPATHIA's weighted integration of cultural, emotional, and ethical factors balances competing value systems while supporting practitioner-AI collaboration. By augmenting rather than replacing human expertise, EMPATHIA provides a generalizable framework for AI-driven allocation tasks where multiple values must be reconciled.
- Abstract（参考訳）: 難民統合への現在のAIアプローチは、雇用のような狭い目標を最適化し、長期的な成功に不可欠な文化的、感情的、倫理的次元を捉えない。
EMPATHIA(Enriched Multimodal Pathways for Agentic Thinking in Humanitarian Immigrant Assistance)は、中央のCreative AI問題に対処するマルチエージェントフレームワークである。
ケガンの構成的発展理論に基づき、EMPATHIAは初期配置のためのSEED(社会文化的エントリーと埋め込み決定)、早期独立のためのRISE(Rapid Integration and Self-Sufficiency Engine)、持続的な成果のためのTHRIVE(Transcultural Harmony and Resilience through Integrated Values and Engagement)の3つのモジュールに統合されている。
SEEDは、感情的、文化的、倫理的な3つの特殊エージェントを備えたセレクタバリケータアーキテクチャを採用しており、透過的に解釈可能なレコメンデーションを生成する。
国連カクマデータセット(15,026人、7,960人、ILO/UNHCR基準あたり15+)と、150以上の社会経済変数を持つ6,359人の労働年齢難民(15+)に対する実施実験は、5つのホスト国で87.4%の検証収束と説明可能な評価を達成した。
EMPATHIAの文化的、感情的、倫理的要素の統合は、実践者とAIのコラボレーションをサポートしながら、競合する価値システムのバランスをとる。
EMPATHIAは、人間の専門知識を置き換えるのではなく、強化することで、複数の値を調整しなければならないAI駆動のアロケーションタスクのための一般化可能なフレームワークを提供する。
関連論文リスト
- Multimodal Cultural Safety: Evaluation Frameworks and Alignment Strategies [58.88053690412802]
大規模視覚言語モデル(LVLM)は、観光アシスタントのようなグローバルに分散したアプリケーションにますます導入されている。
CROSSは、LVLMの文化的安全性推論能力を評価するために設計されたベンチマークである。
実験モデルと推論モデルを含む21種類のLVLMを評価した。
論文 参考訳（メタデータ） (2025-05-20T23:20:38Z) - RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding [79.44246283490665]
本稿では,検索による視覚文化理解の促進を目的とした新しいベンチマークであるRAVENEAを紹介する。
RAVENEAは、文化中心の視覚的質問応答(cVQA)と文化インフォームドイメージキャプション(cIC)の2つのタスクに焦点を当てている。
画像クエリ毎に7つのマルチモーダルレトリバーを訓練・評価し、14の最先端の視覚言語モデルにおける検索強化入力の下流への影響を計測する。
論文 参考訳（メタデータ） (2025-05-20T14:57:16Z) - EthosGPT: Mapping Human Value Diversity to Advance Sustainable Development Goals (SDGs) [2.8464206895119437]
EthosGPTは、大規模言語モデル(LLM)のマッピングと評価のためのオープンソースのフレームワークを導入することで、価値均質化の課題に対処する。
トレーニングデータの多様化や、AIシステムの表現を保証するために絶滅危惧文化遺産の保存など、包括的LLMを開発するための実用的な洞察を提供する。
論文 参考訳（メタデータ） (2025-04-14T04:14:13Z) - CAReDiO: Cultural Alignment of LLM via Representativeness and Distinctiveness Guided Data Optimization [50.90288681622152]
大規模言語モデル(LLM)は、より深く様々な地域における人間の生活に統合される。
既存のアプローチは、文化固有のコーパスを微調整することで、文化的に整合したLCMを開発する。
本稿では,新しい文化データ構築フレームワークであるCAReDiOを紹介する。
論文 参考訳（メタデータ） (2025-04-09T13:40:13Z) - Preserving Cultural Identity with Context-Aware Translation Through Multi-Agent AI Systems [0.4218593777811082]
言語は文化的アイデンティティの基盤となっているが、グローバル化と主要言語の優位性により、3000近い言語が絶滅の危機にさらされている。
既存のAI駆動翻訳モデルは効率を優先するが、しばしば文化的ニュアンス、慣用的な表現、歴史的重要性を捉えない。
本稿では,言語コミュニティにおける文化適応型翻訳のための多言語AIフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-05T06:43:59Z) - Rethinking AI Cultural Alignment [1.8434042562191815]
人間の文化的価値は、特定のAIシステムのコンテキスト内で理解されなければならないことを示す。
文化的アライメントは双方向のプロセスとして再編成されるべきである、と私たちは主張する。
論文 参考訳（メタデータ） (2025-01-13T23:42:37Z) - Towards Full Delegation: Designing Ideal Agentic Behaviors for Travel Planning [49.34098402103427]
本稿では,エージェントが優れたエージェント行動に追従すべき基準のリストであるAPECエージェントコンスティチューションを提案する。
APEC-Travelは、旅行者との対話を通じて、隠されたパーソナライズされたニーズを積極的に抽出する旅行計画エージェントである。
論文 参考訳（メタデータ） (2024-11-21T07:30:02Z) - Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。
私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
論文 参考訳（メタデータ） (2024-10-25T07:53:32Z) - CulturalTeaming: AI-Assisted Interactive Red-Teaming for Challenging LLMs' (Lack of) Multicultural Knowledge [69.82940934994333]
我々は、人間とAIのコラボレーションを活用して、挑戦的な評価データセットを構築するインタラクティブなレッドチームシステムであるCulturalTeamingを紹介する。
我々の研究は、CulturalTeamingの様々なAI支援モードが、文化的な質問の作成においてアノテータを支援することを明らかにした。
CULTURALBENCH-V0.1は、ユーザのリピートの試みにより、コンパクトだが高品質な評価データセットである。
論文 参考訳（メタデータ） (2024-04-10T00:25:09Z) - Synergizing Human-AI Agency: A Guide of 23 Heuristics for Service
Co-Creation with LLM-Based Agents [16.560339524456268]
この研究は、に関心のあるサービスプロバイダが、その実践者やより広範なコミュニティに対して、Large Language Models(LLM)技術が統合されるかどうかを判断するための原動力となる。
LLMをベースとしたサービス共同作成ツールであるCoAGentを通じて,非AI専門家とAIの相互学習の旅について検討する。
論文 参考訳（メタデータ） (2023-10-23T16:11:48Z)
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。