論文の概要: The Next Paradigm Is User-Centric Agent, Not Platform-Centric Service
- arxiv url: http://arxiv.org/abs/2602.15682v1
- Date: Tue, 17 Feb 2026 16:07:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:18.119676
- Title: The Next Paradigm Is User-Centric Agent, Not Platform-Centric Service
- Title（参考訳）: 次のパラダイムはユーザー中心のエージェントで、プラットフォーム中心のサービスではない
- Authors: Luankang Zhang, Hang Lv, Qiushi Pan, Kefen Wang, Yonghao Huang, Xinrui Miao, Yin Xu, Wei Guo, Yong Liu, Hao Wang, Enhong Chen,
- Abstract要約: 本稿では,デジタルサービスの未来が,プラットフォーム中心からユーザ中心のエージェントへと移行すべきである,と論じる。
ユーザ中心のエージェントは、プライバシを優先し、ユーザ定義の目標と整合し、ユーザが好みやアクションをコントロールできるようにする。
- 参考スコア（独自算出の注目度）: 44.35361893379857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern digital services have evolved into indispensable tools, driving the present large-scale information systems. Yet, the prevailing platform-centric model, where services are optimized for platform-driven metrics such as engagement and conversion, often fails to align with users' true needs. While platform technologies have advanced significantly-especially with the integration of large language models (LLMs)-we argue that improvements in platform service quality do not necessarily translate to genuine user benefit. Instead, platform-centric services prioritize provider objectives over user welfare, resulting in conflicts against user interests. This paper argues that the future of digital services should shift from a platform-centric to a user-centric agent. These user-centric agents prioritize privacy, align with user-defined goals, and grant users control over their preferences and actions. With advancements in LLMs and on-device intelligence, the realization of this vision is now feasible. This paper explores the opportunities and challenges in transitioning to user-centric intelligence, presents a practical device-cloud pipeline for its implementation, and discusses the necessary governance and ecosystem structures for its adoption.
- Abstract（参考訳）: 現代のデジタルサービスは必須のツールへと進化し、現在の大規模情報システムを動かしている。
しかしながら、エンゲージメントやコンバージョンといったプラットフォーム駆動のメトリクスにサービスが最適化される、一般的なプラットフォーム中心のモデルでは、ユーザの本当のニーズと一致しないことが多い。
プラットフォーム技術は、特に大規模言語モデル(LLM)の統合によって著しく進歩していますが、プラットフォームサービス品質の改善は、真のユーザ利益に必ずしも影響しない、と私たちは主張しています。
代わりに、プラットフォーム中心のサービスは、ユーザの福祉よりもプロバイダの目標を優先する。
本稿では,デジタルサービスの未来が,プラットフォーム中心からユーザ中心のエージェントへと移行すべきである,と論じる。
これらのユーザ中心のエージェントは、プライバシを優先し、ユーザ定義の目標と整合し、ユーザが好みやアクションをコントロールできるようにする。
LLMの進歩とデバイス上のインテリジェンスにより、このビジョンの実現は可能になった。
本稿では、ユーザ中心のインテリジェンスへの移行の機会と課題について検討し、その実装に実用的なデバイス-クラウドパイプラインを提示し、導入に必要なガバナンスとエコシステム構造について論じる。
関連論文リスト
- Meta-Learning-Based Handover Management in NextG O-RAN [47.23997854845925]
O-RANアーキテクチャ内でTHOとCHOを協調的に最適化するフレームワークであるCONTRAを提案する。
ConTRAは、O-RAN xAppランタイムとして、ほぼリアルタイムでデプロイするために特別に設計されている。
CONTRAはユーザのスループットを向上し、THOとCHOの切り替えコストを削減できることを示す。
論文 参考訳（メタデータ） (2025-12-26T13:01:46Z) - RecGPT Technical Report [57.84251629878726]
本稿では,レコメンデーションパイプラインの中心にユーザの意図を配置する次世代フレームワークRecGPTを提案する。
RecGPTは、大きな言語モデルをユーザ関心のマイニング、アイテム検索、説明生成のキーステージに統合する。
オンライン実験では、RecGPTが利害関係者間で一貫したパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-07-30T17:55:06Z) - A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。
本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。
本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
論文 参考訳（メタデータ） (2025-04-16T01:43:36Z) - iAgent: LLM Agent as a Shield between User and Recommender Systems [33.289547118795674]
レコメンダシステムは、通常、ユーザーがプラットフォームレコメンデーションアルゴリズムの制御下で直接露出される、ユーザープラットフォームパラダイムを取り入れている。
本稿では,エージェントがユーザとレコメンダシステムの間の保護シールドとして機能する,新しいユーザエージェントプラットフォームパラダイムを提案する。
論文 参考訳（メタデータ） (2025-02-20T15:58:25Z) - Shaping the Future of Social Media with Middleware [0.082921243488867]
ミドルウェア(Middleware)は、ユーザとプラットフォームの間のサードパーティ製ソフトウェアインターミディエートである。
ミドルウェアは、デジタルエクスペリエンスを形作るための、よりユーザ中心で民主的なアプローチを可能にします。
論文 参考訳（メタデータ） (2024-12-13T17:07:05Z) - Federated Prompt-based Decision Transformer for Customized VR Services
in Mobile Edge Computing System [9.269074750399657]
まず、ユーザエクスペリエンスを測定するためのQoE(Quality of Experience)メトリクスを紹介します。
そして、リソース割り当てのためにQoE問題を定式化し、最高のユーザエクスペリエンスを確保する。
本稿では,共通モデルの事前学習を行うために,フェデレートラーニング(FL)とプロンプトベースシーケンスモデリングを利用するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-15T05:56:35Z) - Improving device-aware Web services and their mobile clients through an
aspect-oriented, model-driven approach [1.2781698000674648]
我々は、異なるデバイスタイプから透過的に呼び出せるフレキシブルなWebサービスを作成するためのアプローチを提供する。
モデル駆動の方法論は、システムモデルからコードへの追跡が可能で、Webサービス開発者に、どのサービスをモバイルデバイスに適応すべきかをマークするオプションを提供する。
論文 参考訳（メタデータ） (2024-01-29T13:15:04Z) - The Future of Consumer Edge-AI Computing [58.445652425379855]
Deep Learningは、主にデバイス間のハードウェアアクセラレーションによって、消費者のエンドに急速に浸透している。
将来を見据えて、孤立したハードウェアが不十分であることは明らかです。
本稿では,コンシューマエッジにおける計算資源とデータアクセスの再編成と最適化を目的とした,EdgeAI-Hubデバイスを中心とした新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-10-19T12:41:47Z) - Threshy: Supporting Safe Usage of Intelligent Web Services [4.346610687701405]
Threshyは開発者が問題領域に適した決定しきい値を選択するのを助けるツールである。
既存のツールとは異なり、Threshyは開発前、リリース前、サポートのために設計されている。
論文 参考訳（メタデータ） (2020-08-19T04:02:45Z) - Unsupervised Model Personalization while Preserving Privacy and
Scalability: An Open Problem [55.21502268698577]
本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。
この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。
このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
論文 参考訳（メタデータ） (2020-03-30T09:35:12Z)
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。