論文の概要: LLM Bazaar: A Service Design for Supporting Collaborative Learning with an LLM-Powered Multi-Party Collaboration Infrastructure

• arxiv url: http://arxiv.org/abs/2510.18877v1
• Date: Fri, 12 Sep 2025 01:25:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.094894
• Title: LLM Bazaar: A Service Design for Supporting Collaborative Learning with an LLM-Powered Multi-Party Collaboration Infrastructure
• Title（参考訳）: LLM Bazaar: LLMによる多人数協調インフラによる協調学習を支援するサービス設計
• Authors: Zhen Wu, Jiaxin Shi, R. Charles Murray, Carolyn Rosé, Micah San Andres,
• Abstract要約: 大規模言語モデル(LLM)は、批判的思考と協調的な問題解決を促進する新しい可能性を提供する。 この作業では、Bazaarと呼ばれるオープンソースのコラボレーションサポートアーキテクチャから始め、LLM-agentシェルを統合します。 この設計とインフラは、LLMを組み込んだ環境が、協調学習の結果と相互作用パターンをいかに形作るかを探求する道を開く。
• 参考スコア（独自算出の注目度）: 15.92352456356919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For nearly two decades, conversational agents have played a critical role in structuring interactions in collaborative learning, shaping group dynamics, and supporting student engagement. The recent integration of large language models (LLMs) into these agents offers new possibilities for fostering critical thinking and collaborative problem solving. In this work, we begin with an open source collaboration support architecture called Bazaar and integrate an LLM-agent shell that enables introduction of LLM-empowered, real time, context sensitive collaborative support for group learning. This design and infrastructure paves the way for exploring how tailored LLM-empowered environments can reshape collaborative learning outcomes and interaction patterns.
• Abstract（参考訳）: 20年近くにわたり、会話エージェントは、協調学習における相互作用の構造化、グループダイナミクスの形成、学生のエンゲージメントのサポートにおいて重要な役割を担ってきた。 最近の大規模言語モデル(LLM)のエージェントへの統合は、批判的思考と協調的な問題解決を促進する新たな可能性を提供する。 本研究は,Bazaar というオープンソースのコラボレーション支援アーキテクチャから始まり,LLM を利用したリアルタイム,コンテキストに配慮したグループ学習支援を実現する LLM-agent shell を統合する。 この設計とインフラは、LLMを組み込んだ環境が、協調学習の結果と相互作用パターンをいかに形作るかを探求する道を開く。

関連論文リスト

• Impact of LLMs on Team Collaboration in Software Development [0.0]
  大規模言語モデル(LLM)は、ソフトウェア開発プロセスに統合されつつある。 本稿では,LLMがソフトウェア開発ライフサイクル全体を通してチームコラボレーションにどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-10-07T18:16:17Z)
• Learn as Individuals, Evolve as a Team: Multi-agent LLMs Adaptation in Embodied Environments [9.128357856312372]
  大規模言語モデル (LLM) には広範な知識基盤と強力な推論能力がある。 既存のLCMベースの計画アルゴリズムは、マルチエージェントの具体化シナリオへの弱い適応能力によって制限される。 我々は,LLMエージェントがテスト前後で学習し,進化することを可能にするフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-06-08T17:32:03Z)
• Collaborating Action by Action: A Multi-agent LLM Framework for Embodied Reasoning [12.923902619187274]
  この研究は、LLMが複雑な具体的推論タスクを実行するために適応的に協調する方法について研究する。 MINDcraftは、LLMエージェントがMinecraftのオープンワールドゲームでキャラクターを制御できるようにするプラットフォームである。 実験により、現在最先端のエージェントに効果的に協力する際の主要なボトルネックは、効率的な自然言語通信であることがわかった。
  論文  参考訳（メタデータ） (2025-04-24T21:28:16Z)
• When One LLM Drools, Multi-LLM Collaboration Rules [98.71562711695991]
  私たちは、データ、スキル、人々の幅広い多様性を表現するために、マルチLLMコラボレーションを議論しています。 既存のマルチLLM協調手法を,アクセスレベルと情報交換レベルに基づいて階層構造に整理する。 コンポジションインテリジェンスとコラボレーティブAI開発への不可欠な道として,マルチLLMコラボレーションを構想する。
  論文  参考訳（メタデータ） (2025-02-06T21:13:44Z)
• Merge, Ensemble, and Cooperate! A Survey on Collaborative Strategies in the Era of Large Language Models [32.336273322481276]
  多様な機能にもかかわらず、Large Language Models (LLM) は様々な長所と短所を示す。 これらの課題に対処するため、最近の研究はLLMの協調戦略を探求している。 本稿では,この新たな研究領域の概要を概観し,そのようなコラボレーションの背景にあるモチベーションを明らかにする。
  論文  参考訳（メタデータ） (2024-07-08T16:29:08Z)
• Simulating Classroom Education with LLM-Empowered Agents [48.26286735827104]
  大型言語モデル (LLM) は、様々な知的教育タスクに応用され、教育支援を行っている。 マルチエージェント型教室シミュレーション教育フレームワークSimClassを提案する。 代表的クラスの役割を認識し、自動授業のための新しいクラス制御機構を導入する。
  論文  参考訳（メタデータ） (2024-06-27T14:51:07Z)
• Embodied LLM Agents Learn to Cooperate in Organized Teams [46.331162216503344]
  大規模言語モデル(LLM)は、推論、計画、意思決定のための統合的なツールとして登場した。 本稿では,これらの問題を緩和するために,LSMエージェントにプロンプトベースの組織構造を課す枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-19T06:39:47Z)
• Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
  Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。 人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。 我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2023-09-30T07:11:39Z)
• 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。