論文の概要: "When to Hand Off, When to Work Together": Expanding Human-Agent Co-Creative Collaboration through Concurrent Interaction

• arxiv url: http://arxiv.org/abs/2603.02050v1
• Date: Mon, 02 Mar 2026 16:37:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.975787
• Title: "When to Hand Off, When to Work Together": Expanding Human-Agent Co-Creative Collaboration through Concurrent Interaction
• Title（参考訳）: 「いつ手を離すか、いつ一緒に働くか」--同時相互作用による人間関係の協力関係の拡大
• Authors: Kihoon Son, Hyewon Lee, DaEun Choi, Yoonsu Kim, Tae Soo Kim, Yoonjoo Lee, John Joon Young Chung, HyunJoon Jung, Juho Kim,
• Abstract要約: 我々は協調意図を解釈し、リアルタイムで適応するCLEOを開発する。 6つの相互作用ループ、設計上の意味、注釈付きデータセットを持つ決定モデルを提案する。
• 参考スコア（独自算出の注目度）: 36.707878506833495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human collaborators coordinate dynamically through process visibility and workspace awareness, yet AI agents typically either provide only final outputs or expose read-only execution processes (e.g., planning, reasoning) without interpreting concurrent user actions on shared artifacts. Building on mixed-initiative interaction principles, we explore whether agents can achieve collaborative context awareness -- interpreting concurrent user actions on shared artifacts and adapting in real-time. Study 1 (N=10 professional designers) revealed that process visibility enabled reasoning about agent actions but exposed conflicts when agents could not distinguish feedback from independent work. We developed CLEO, which interprets collaborative intent and adapts in real-time. Study 2 (N=10, two-day with stimulated recall interviews) analyzed 214 turns, identifying five action patterns, six triggers, and four enabling factors explaining when designers choose delegation (70.1%), direction (28.5%), or concurrent work (31.8%). We present a decision model with six interaction loops, design implications, and an annotated dataset.
• Abstract（参考訳）: プロセスの可視性とワークスペースの認識を通じて、人間の協力者は動的に協調するが、AIエージェントは通常、最終出力のみを提供するか、共有アーティファクト上の同時ユーザアクションを解釈することなく、読み取り専用実行プロセス(プランニング、推論など)を公開する。 混合開始型インタラクションの原則に基づいて,エージェントが協調的なコンテキスト認識 – 共有アーティファクト上での同時ユーザアクションの解釈と,リアルタイムな適応 – を実現できるかどうかを調査する。 研究1(N=10プロのデザイナー)は、プロセスの可視性によってエージェントアクションの推論が可能になったが、エージェントが独立した作業からフィードバックを区別できない場合の競合が露呈した。 我々は協調意図を解釈し、リアルタイムで適応するCLEOを開発した。 調査2(N=10、刺激されたリコールインタビューを伴う2日間)は、214のターンを分析し、5つのアクションパターン、6つのトリガー、そしてデザイナーがデリゲート(70.1%)、方向(28.5%)、または同時作業(31.8%)を選択した際の説明可能な4つの要因を特定した。 6つの相互作用ループ、設計上の意味、注釈付きデータセットを持つ決定モデルを提案する。

関連論文リスト

• Modeling Distinct Human Interaction in Web Agents [59.600507469754575]
  我々は、協調的なWebタスク実行を支援するために、人間の介入をモデル化するタスクを紹介する。 エージェントとのユーザインタラクションの4つのパターンを特定します。 我々は、これらの介入認識モデルをライブWebナビゲーションエージェントにデプロイし、ユーザスタディで評価し、ユーザ評価エージェントの有用性が26.5%向上した。
  論文  参考訳（メタデータ） (2026-02-19T18:11:28Z)
• Human Cognitive Biases in Explanation-Based Interaction: The Case of Within and Between Session Order Effect [46.80756527630539]
  Explanatory Interactive Learning (XIL)は、ユーザーが説明と対話することでAIモデルをカスタマイズし、修正できるように設計された強力な対話型学習フレームワークである。 近年の研究では、説明的相互作用が、提示された項目の順序がユーザの信頼に影響を及ぼし、批判的にフィードバックの質に影響を及ぼす、よく知られた認知バイアスである注文効果を誘発するのではないかという懸念が提起されている。 命令効果と説明的相互作用の相互作用を明らかにするために,一般的なXILタスクを模倣する2つの大規模ユーザスタディを実行した。
  論文  参考訳（メタデータ） (2025-12-04T12:59:54Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  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)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• Investigating Human Response, Behaviour, and Preference in Joint-Task Interaction [3.774610219328564]
  我々は、説明可能な計画(XAIP)エージェントと相互作用する人間の行動と反応を調べる実験を設計した。 また,シミュレーションユーザに対する2つのエージェントの挙動を実証分析により検討した。
  論文  参考訳（メタデータ） (2020-11-27T22:16:59Z)

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。