論文の概要: Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration

• arxiv url: http://arxiv.org/abs/2509.18008v1
• Date: Mon, 22 Sep 2025 16:47:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.514217
• Title: Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
• Title（参考訳）: ヒューマン・ヒューマン・コラボレーションのレンズを通して:ヒューマン・エージェント・コラボレーションを探求するための構成可能な研究プラットフォーム
• Authors: Bingsheng Yao, Jiaju Chen, Chaoran Chen, April Wang, Toby Jia-jun Li, Dakuo Wang,
• Abstract要約: 大規模言語モデル(LLM)エージェントは、人間とLLMエージェントのコラボレーションの新たな機会を開く。 HCI と CSCW で確立されたコンピュータによるコラボレーションの原則が、人間が LLM エージェントと協力する場合、継続、変更、失敗するかどうかは不明である。
• 参考スコア（独自算出の注目度）: 36.471054708769415
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Intelligent systems have traditionally been designed as tools rather than collaborators, often lacking critical characteristics that collaboration partnerships require. Recent advances in large language model (LLM) agents open new opportunities for human-LLM-agent collaboration by enabling natural communication and various social and cognitive behaviors. Yet it remains unclear whether principles of computer-mediated collaboration established in HCI and CSCW persist, change, or fail when humans collaborate with LLM agents. To support systematic investigations of these questions, we introduce an open and configurable research platform for HCI researchers. The platform's modular design allows seamless adaptation of classic CSCW experiments and manipulation of theory-grounded interaction controls. We demonstrate the platform's effectiveness and usability through two case studies: (1) re-implementing the classic human-human-collaboration task Shape Factory as a between-subject human-agent-collaboration experiment with 16 participants, and (2) a participatory cognitive walkthrough with five HCI researchers to refine workflows and interfaces for experiment setup and analysis.
• Abstract（参考訳）: インテリジェントシステムは伝統的に協力者ではなくツールとして設計されており、しばしば協力パートナーシップが必要とする重要な特徴を欠いている。 大規模言語モデル(LLM)エージェントの最近の進歩は、自然なコミュニケーションと様々な社会的・認知的行動を可能にすることによって、人間-LLM-エージェントコラボレーションの新たな機会を開く。 しかし、HCIとCSCWで確立されたコンピュータによるコラボレーションの原則が、人間がLLMエージェントと協力する場合、継続、変更、失敗するかどうかは不明である。 これらの課題の体系的な調査を支援するために,HCI研究者のためのオープンで構成可能な研究プラットフォームを導入する。 このプラットフォームのモジュラー設計は、古典的なCSCW実験のシームレスな適応と理論と地上の相互作用制御の操作を可能にする。 本研究のプラットフォームの有効性とユーザビリティは,(1)16人の被験者による人-エージェント-コラボレーション実験として,古典的な人間-コラボレーションタスクであるShape Factoryを再実装すること,(2)5人のHCI研究者による参加型認知ウォークスルーにより,ワークフローとインターフェースを洗練し,実験と分析を行った。

関連論文リスト

• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Multi-Turn Human-LLM Interaction Through the Lens of a Two-Way Intelligibility Protocol [1.5711521670164208]
  本稿では,エージェント間のインタラクションのための抽象的プロトコルに基づく,より構造化されたアプローチについて検討する。 このプロトコルは"双方向のインテリジェンス"の概念によって動機付けられ、通信有限状態マシンのペアによってモデル化される。 その結果,人間-LLM相互作用における一方向および二方向のインテリジェンスを捕捉するプロトコルの能力を支持する証拠が得られた。
  論文  参考訳（メタデータ） (2024-10-27T21:20:18Z)
• Enabling Multi-Robot Collaboration from Single-Human Guidance [5.016558275355615]
  本研究では,人間一人の専門知識を活用することで,マルチエージェントシステムにおける協調行動の効率的な学習方法を提案する。 本研究では,人間の操作者が短時間に制御エージェントを動的に切り替えることによって,効果的に協調学習ができることを示す。 実験の結果,本手法は,人的指導を40分で最大58%向上させることができた。
  論文  参考訳（メタデータ） (2024-09-30T00:02:56Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• 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)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)

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。