論文の概要: Collaborative Document Editing with Multiple Users and AI Agents

• arxiv url: http://arxiv.org/abs/2509.11826v1
• Date: Mon, 15 Sep 2025 12:11:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.265533
• Title: Collaborative Document Editing with Multiple Users and AI Agents
• Title（参考訳）: 複数のユーザとAIエージェントによるコラボレーションドキュメント編集
• Authors: Florian Lehmann, Krystsina Shauchenka, Daniel Buschek,
• Abstract要約: 我々は,AIエージェントを直接共同作成環境に統合することを提案する。 私たちのプロトタイプでは、エージェントプロファイルとタスクという2つの新しい共有オブジェクトを通じて、AIを透過的でカスタマイズ可能にしています。
• 参考スコア（独自算出の注目度）: 19.340967112148665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current AI writing support tools are largely designed for individuals, complicating collaboration when co-writers must leave the shared workspace to use AI and then communicate and reintegrate results. We propose integrating AI agents directly into collaborative writing environments. Our prototype makes AI use transparent and customisable through two new shared objects: agent profiles and tasks. Agent responses appear in the familiar comment feature. In a user study (N=30), 14 teams worked on writing projects during one week. Interaction logs and interviews show that teams incorporated agents into existing norms of authorship, control, and coordination, rather than treating them as team members. Agent profiles were viewed as personal territory, while created agents and outputs became shared resources. We discuss implications for team-based AI interaction, highlighting opportunities and boundaries for treating AI as a shared resource in collaborative work.
• Abstract（参考訳）: 現在のAI書き込み支援ツールは、主に個人向けに設計されており、共同執筆者がAIを使用するために共有ワークスペースを離れ、結果を通信し、再統合する必要がある場合、コラボレーションを複雑にする。 我々は,AIエージェントを直接共同作成環境に統合することを提案する。 私たちのプロトタイプでは、エージェントプロファイルとタスクという2つの新しい共有オブジェクトを通じて、AIを透過的でカスタマイズ可能にしています。 エージェントの応答は、よく知られたコメント機能に表示される。 ユーザスタディ(N=30)では、1週間で14チームがプロジェクトの作成に取り組んだ。 インタラクションログとインタビューは、チームメンバーとして扱うのではなく、既存のオーサシップ、コントロール、コーディネーションの規範にエージェントを組み込んだことを示している。 エージェントプロファイルは個人的な領域と見なされ、エージェントとアウトプットは共有リソースとなった。 我々は、協力作業における共有リソースとしてAIを扱う機会とバウンダリを強調し、チームベースのAIインタラクションの意義について議論する。

関連論文リスト

• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild [10.23533525266164]
  大規模言語モデル(LLM)は、複雑な記述において、ニーズに合うように世代を操るために使用される。 本研究では,タスク作成に携わるユーザを対象に,この協調行動の大規模分析を行う。 そこで本研究では,LLMとユーザが対話する際の特徴的行動の同定を行った。
  論文  参考訳（メタデータ） (2025-05-21T21:13:01Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
  我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。 最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。 これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• Cocoa: Co-Planning and Co-Execution with AI Agents [31.695129948650287]
  我々は、AIエージェントとのコラボレーションのための新しいデザインパターン(インタラクティブプラン)を導入するシステムであるCocoaを紹介する。 Cocoaは、計算ノートやドキュメントエディタからのインタラクション設計に基づいて、フレキシブルなエージェンシーデリゲートをサポートする。 サンプルドメインとして科学的研究を用いて、我々の研究室と現場での展開調査により、Cocoaは使いやすさを犠牲にすることなく、エージェントのステアビリティを改善した。
  論文  参考訳（メタデータ） (2024-12-14T23:59:42Z)
• ChatCollab: Exploring Collaboration Between Humans and AI Agents in Software Teams [1.3967206132709542]
  ChatCollabの斬新なアーキテクチャは、エージェント(人間またはAI)が任意の役割でコラボレーションに参加することを可能にする。 ソフトウェアエンジニアリングをケーススタディとして使用することで、私たちのAIエージェントが彼らの役割と責任をうまく特定できることが分かりました。 ソフトウェア開発のための従来の3つのマルチエージェントAIシステムに関連して、ChatCollab AIエージェントはインタラクティブなゲーム開発タスクにおいて、同等またはより良いソフトウェアを生成する。
  論文  参考訳（メタデータ） (2024-12-02T21:56:46Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Learning to Cooperate with Unseen Agent via Meta-Reinforcement Learning [4.060731229044571]
  アドホックなチームワーク問題は、エージェントが共通の目標を達成するために、以前は目に見えないエージェントと協力しなければならない状況を記述する。 エージェントの振る舞いを設計するためにドメイン知識を使用することで、エージェントに協調的なスキルを実装することができる。 本稿では,メタ強化学習(meta-RL)の定式化をアドホックなチームワーク問題に応用する。
  論文  参考訳（メタデータ） (2021-11-05T12:01:28Z)
• How AI Developers Overcome Communication Challenges in a Multidisciplinary Team: A Case Study [11.633108017016985]
  AIアプリケーションの開発は、AI開発者と協力する複数の役割を含む、多分野の取り組みである。 これらのコラボレーションでは、データサイエンスに精通したAI開発者と、通常はそうでない外部ステークホルダの間に知識ミスマッチがあります。 この違いはコミュニケーションのギャップを招き、AI開発者はコラボレータにデータサイエンスの概念を説明することに失敗する。
  論文  参考訳（メタデータ） (2021-01-13T19:33:34Z)

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。