論文の概要: Reliability, Embeddedness, and Agency: A Utility-Driven Mathematical Framework for Agent-Centric AI Adoption

• arxiv url: http://arxiv.org/abs/2508.12896v1
• Date: Mon, 18 Aug 2025 12:53:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:11.34546
• Title: Reliability, Embeddedness, and Agency: A Utility-Driven Mathematical Framework for Agent-Centric AI Adoption
• Title（参考訳）: 信頼性、埋め込み性、エージェンシー:エージェント中心のAI導入のためのユーティリティ駆動の数学的フレームワーク
• Authors: Faruk Alpay, Taylan Alpay,
• Abstract要約: 我々は,マルチステップタスクを実行するエージェント中心のAIシステムの採用を継続するための3つの公理を定式化する。 我々は、崩壊するノベルティ用語と成長するユーティリティ用語の和として、採用をモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We formalize three design axioms for sustained adoption of agent-centric AI systems executing multi-step tasks: (A1) Reliability > Novelty; (A2) Embed > Destination; (A3) Agency > Chat. We model adoption as a sum of a decaying novelty term and a growing utility term and derive the phase conditions for troughs/overshoots with full proofs. We introduce: (i) an identifiability/confounding analysis for $(\alpha,\beta,N_0,U_{\max})$ with delta-method gradients; (ii) a non-monotone comparator (logistic-with-transient-bump) evaluated on the same series to provide additional model comparison; (iii) ablations over hazard families $h(\cdot)$ mapping $\Delta V \to \beta$; (iv) a multi-series benchmark (varying trough depth, noise, AR structure) reporting coverage (type-I error, power); (v) calibration of friction proxies against time-motion/survey ground truth with standard errors; (vi) residual analyses (autocorrelation and heteroskedasticity) for each fitted curve; (vii) preregistered windowing choices for pre/post estimation; (viii) Fisher information & CRLB for $(\alpha,\beta)$ under common error models; (ix) microfoundations linking $\mathcal{T}$ to $(N_0,U_{\max})$; (x) explicit comparison to bi-logistic, double-exponential, and mixture models; and (xi) threshold sensitivity to $C_f$ heterogeneity. Figures and tables are reflowed for readability, and the bibliography restores and extends non-logistic/Bass adoption references (Gompertz, Richards, Fisher-Pry, Mansfield, Griliches, Geroski, Peres). All code and logs necessary to reproduce the synthetic analyses are embedded as LaTeX listings.
• Abstract（参考訳）: 我々は, (A1) 信頼性 > 新規性, (A2) 埋め込み > 運命, (A3) エージェンシー > チャットという多段階タスクを実行するエージェント中心型AIシステムの採用を継続するための3つの設計公理を定式化した。 我々は、崩壊するノベルティ項と増大するユーティリティ項の和として採用をモデル化し、完全な証明を伴うトラフ/オーバーシュートの位相条件を導出する。 紹介する。 (i)デルタメソッド勾配を持つ$(\alpha,\beta,N_0,U_{\max})$に対する識別可能性/衝突解析 二 同一の系列上で評価された非モノトンコンパレータ(ロジスティック・ウィズ・トランジェント・バンプ)により、さらなるモデル比較を行うこと。 (iii)ハザードファミリー$h(\cdot)$ mapping $\Delta V \to \beta$ (四)マルチシリーズベンチマーク(トラフ深度、ノイズ、AR構造)レポートカバレッジ(タイプIエラー、パワー) 五 標準誤差による時動・監視地真理に対する摩擦プロキシの校正 六 各嵌合曲線の残留分析(自己相関及びヘテロスケダスティック性) (二 前/後推定のための事前登録の窓際選択 (viii)一般的なエラーモデルの下での$(\alpha,\beta)$に対する漁業情報及びCRLB (ix)microfoundationsing $\mathcal{T}$ to $(N_0,U_{\max})$; (x)二項述語、二重述語、混合モデルとの明示的な比較、及び (xi)閾値感度が$C_f$不均一である。 図表と表は可読性のために再フローされ、書誌は非ロジスティック/バスの採用基準(ゴンペルツ、リチャーズ、フィッシャー・プライ、マンスフィールド、グリリヒス、ジェロスキー、ペレス)を復元し拡張する。 合成解析を再現するために必要なコードとログはすべて、LaTeXリスティングとして組み込まれている。

関連論文リスト

• Omnipredicting Single-Index Models with Multi-Index Models [9.794426212144453]
  単調なリプシッツリンク関数によって引き起こされる任意の損失に対して、$varepsilon$-competitive であるオムニプレクタを出力する学習者を与える。 我々のアルゴリズムでは,$approx varepsilon-4$サンプルをほぼ線形時間で実行し,リンク関数がbi-Lipschitzであれば$approx varepsilon-2$に改善する。
  論文  参考訳（メタデータ） (2024-11-20T07:20:49Z)
• Self-Ensembling Gaussian Splatting for Few-Shot Novel View Synthesis [55.561961365113554]
  3D Gaussian Splatting (3DGS) は新規ビュー合成(NVS)において顕著な効果を示した 本稿では,Self-Ensembling Gaussian Splatting(SE-GS)を紹介する。 我々は,トレーニング中に不確実性を認識した摂動戦略を導入することで,自己理解を実現する。 LLFF, Mip-NeRF360, DTU, MVImgNetデータセットによる実験結果から, 本手法がNVSの品質を向上させることを示す。
  論文  参考訳（メタデータ） (2024-10-31T18:43:48Z)
• Minimax Hypothesis Testing for the Bradley-Terry-Luce Model [6.5990719141691825]
  ブラッドリー・テリー・ルーシ(Bradley-Terry-Luce、BTL)モデルは、アイテムやエージェントのコレクションをランク付けする最も広く使われているモデルの一つである。 与えられたペア比較データセットとエージェントペアあたりの$k$の比較が、基礎となるBTLモデルに由来するかどうかを判定する仮説テストを提案する。
  論文  参考訳（メタデータ） (2024-10-10T20:28:05Z)
• Towards Optimal Statistical Watermarking [95.46650092476372]
  仮説テスト問題として定式化して統計的透かしを研究する。 我々の定式化の鍵は、出力トークンと拒絶領域の結合である。 一般仮説テスト設定において,UMP(Uniformly Most Powerful)の透かしを特徴付ける。
  論文  参考訳（メタデータ） (2023-12-13T06:57:00Z)
• Revisiting Discriminative vs. Generative Classifiers: Theory and Implications [37.98169487351508]
  本論文はベイズの統計的効率に着想を得たものである。 マルチクラス$mathcalH$-consistency bound frameworkと明示的なロジスティック損失境界を示す。 様々な事前訓練されたディープビジョンモデルの実験は、データの数が増加するにつれて、ナイーブベイズは常に速く収束することを示している。
  論文  参考訳（メタデータ） (2023-02-05T08:30:42Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• AvgOut: A Simple Output-Probability Measure to Eliminate Dull Responses [97.50616524350123]
  機能エンジニアリングなしで、どの発話やトークンが退屈であるかを動的に認識する対話モデルを構築します。 最初のモデルMinAvgOutは、各バッチの出力分布を通して、ダイバーシティスコアを直接最大化する。 第2のモデルであるラベルファインチューニング(LFT)は、多様性スコアによって連続的にスケールされたラベルをソースシーケンスにプリペイドし、多様性レベルを制御する。 3つ目のモデルであるRLは強化学習を採用し、多様性スコアを報奨信号として扱う。
  論文  参考訳（メタデータ） (2020-01-15T18:32:06Z)

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。