論文の概要: Orchid: Orchestrating Context Across Creative Workflows with Generative AI

• arxiv url: http://arxiv.org/abs/2508.19517v1
• Date: Wed, 27 Aug 2025 02:12:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.468741
• Title: Orchid: Orchestrating Context Across Creative Workflows with Generative AI
• Title（参考訳）: Orchid: 創造的なワークフローをAIでオーケストレーションする
• Authors: Srishti Palani, Gonzalo Ramos,
• Abstract要約: Orchidはユーザがコンテキストを指定、参照、監視できる能力を提供するシステムである。 具体的には、Orchidを使うと、ユーザはプロジェクト、それ自身、および異なるスタイルに関連するコンテキストを指定できる。 内在的な研究において、オーキッドを用いて創造的なタスクを実行する参加者は、より斬新で実現可能な結果を生み出した。
• 参考スコア（独自算出の注目度）: 4.6965273212575545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context is critical for meaningful interactions between people and Generative AI (GenAI). Yet mainstream tools offer limited means to orchestrate it, particularly across workflows that span multiple interactions, sessions, and models, as often occurs in creative projects. Re specifying prior details, juggling diverse artifacts, and dealing with context drift overwhelm users, obscure intent, and curtail creativity. To address these challenges, we present Orchid, a system that gives its users affordances to specify, reference, and monitor context throughout evolving workflows. Specifically, Orchid enables users to (1) specify context related to the project, themselves, and different styles, (2) reference these via explicit mentions, inline selection, or implicit grounding, and (3) monitor context assigned to different interactions across the workflow. In a within-subjects study (n=12), participants using Orchid to execute creative tasks (compared to a baseline toolkit of web search, LLM-based chat, and digital notebooks) produced more novel and feasible outcomes, reporting greater alignment between their intent and the AI's responses, higher perceived control, and increased transparency. By prioritizing context orchestration, Orchid offers an actionable step toward next generation GenAI tools that support complex, iterative workflows - enabling creators and AI to stay aligned and augment their creative potential.
• Abstract（参考訳）: コンテキストは、人とジェネレーティブAI(GenAI)の間の有意義な相互作用に対して重要である。 しかし、メインストリームのツールは、創造的なプロジェクトで頻繁に発生するように、特に複数のインタラクション、セッション、モデルにまたがるワークフローを編成する限られた手段を提供する。 事前の詳細を指定し、さまざまなアーティファクトをジャグリングし、コンテキストドリフトに圧倒されたユーザ、不明瞭な意図、クリエイティビティを扱います。 これらの課題に対処するために、進化するワークフローを通してコンテキストを特定し、参照し、監視する能力を提供するOrchidを紹介します。 具体的には、(1)プロジェクト、自身、異なるスタイルに関連するコンテキストを指定し、(2)明示的な参照、インライン選択、暗黙的なグラウンドを通じて参照し、(3)ワークフロー全体で異なるインタラクションに割り当てられたコンテキストを監視することができる。 対象内調査(n=12)では、Orchidを使用して創造的なタスク(Web検索、LLMベースのチャット、デジタルノートのベースラインツールキットと比較)を実行する参加者が、より斬新で実現可能な結果を生み出し、意図とAIの応答との整合性を報告し、より高いコントロールと透明性を高めた。 コンテキストオーケストレーションの優先順位付けによって、Orchidは、複雑な反復ワークフローをサポートする次世代のGenAIツールへの実行可能なステップを提供する。

関連論文リスト

• ThematicPlane: Bridging Tacit User Intent and Latent Spaces for Image Generation [49.805992099208595]
  ThematicPlaneは,ユーザが高レベルのセマンティック概念をナビゲートし操作できるシステムである。 このインターフェースは、暗黙の創造意図とシステム制御のギャップを埋める。
  論文  参考訳（メタデータ） (2025-08-08T06:57:14Z)
• Is Visual in-Context Learning for Compositional Medical Tasks within Reach? [68.56630652862293]
  本稿では、1つのモデルで複数のタスクを処理できるビジュアル・イン・コンテキスト・ラーニングの可能性について検討する。 本稿では,合成合成タスク生成エンジンを用いたコンテキスト内学習者の学習方法を提案する。
  論文  参考訳（メタデータ） (2025-07-01T15:32:23Z)
• Expanding the Generative AI Design Space through Structured Prompting and Multimodal Interfaces [1.051328497890725]
  ACAI(AI Co-Creation for Advertising and Inspiration)は、初心者デザイナを支援するために設計された、従来のプロンプトインターフェースを超えた多モード生成AIツールである。 この研究は、構造化インターフェイスがユーザ定義コンテキストをフォアグラウンドし、アライメントを改善し、初歩的な創造性において共創造的制御を強化する方法を示すことによって、生成システムに関するHCI研究に寄与する。
  論文  参考訳（メタデータ） (2025-04-19T14:57:32Z)
• Intent Tagging: Exploring Micro-Prompting Interactions for Supporting Granular Human-GenAI Co-Creation Workflows [28.404085240725717]
  主な課題は、ユーザ意図(インテリケーションとアライメント)によるAI生成コンテンツの不正調整、AIシステムへの意図の伝達方法に関するユーザの不確実性、多様な創造性(ワークフローの柔軟性)をサポートするためのAIシステムの柔軟性の不足などだ。 これらの課題に触発されて、Intent Tagsの概念に基づいたスライド作成システムであるIntentTaggerを開発しました。 12人の参加者によるユーザスタディは、曖昧さ、メタインテントの活用、インテントタグ駆動のインテントのメリットと課題など、さまざまなレベルのインテントを柔軟に表現する価値に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-26T01:13:47Z)
• Asynchronous Tool Usage for Real-Time Agents [61.3041983544042]
  並列処理とリアルタイムツール利用が可能な非同期AIエージェントを導入する。 私たちの重要な貢献は、エージェントの実行とプロンプトのためのイベント駆動有限状態マシンアーキテクチャです。 この研究は、流体とマルチタスクの相互作用が可能なAIエージェントを作成するための概念的なフレームワークと実践的なツールの両方を提示している。
  論文  参考訳（メタデータ） (2024-10-28T23:57:19Z)
• ComfyGen: Prompt-Adaptive Workflows for Text-to-Image Generation [87.39861573270173]
  本稿では,各ユーザプロンプトに自動的にワークフローをカスタマイズすることを目的とする,プロンプト適応型ワークフロー生成の新しいタスクを紹介する。 本稿では,この課題に対処する2つの LLM ベースの手法を提案する。ユーザ・参照データから学習するチューニングベース手法と,既存のフローを選択するために LLM を使用するトレーニングフリー手法である。 本研究は,現場における既存研究の方向性を補完し,テキスト・画像生成の品質向上のための新たな経路を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-02T16:43:24Z)
• Dialogue Ontology Relation Extraction via Constrained Chain-of-Thought Decoding [4.531390381842394]
  本研究では,伝達学習における関係抽出に焦点をあてる。 我々は最近、推論問題のために開発されたChain-of-Thoughtデコーディングを生成的関係抽出に適用した。
  論文  参考訳（メタデータ） (2024-08-05T10:10:01Z)
• Towards End-to-End Open Conversational Machine Reading [57.18251784418258]
  オープン検索型会話機械読解(OR-CMR)タスクでは,機械は対話履歴とテキスト知識ベースに応答するマルチターン質問を行う必要がある。 OR-CMRを完全エンドツーエンドで統一されたテキスト・ツー・テキスト・タスクとしてモデル化し、ShARCおよびOR-ShARCデータセットを用いた実験により、提案したエンドツーエンド・フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2022-10-13T15:50:44Z)
• Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
  我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。 マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。 タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
  論文  参考訳（メタデータ） (2021-04-28T16:45:56Z)

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。