論文の概要: From Control to Foresight: Simulation as a New Paradigm for Human-Agent Collaboration

• arxiv url: http://arxiv.org/abs/2603.11677v1
• Date: Thu, 12 Mar 2026 08:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.969603
• Title: From Control to Foresight: Simulation as a New Paradigm for Human-Agent Collaboration
• Title（参考訳）: 制御から展望へ:人間-エージェント協調のための新しいパラダイムとしてのシミュレーション
• Authors: Gaole He, Brian Y. Lim,
• Abstract要約: 効果的なコラボレーションには、コントロールだけでなく、前もって注意が必要だ、と私たちは主張します。 シミュレーション・イン・ザ・ループは,ユーザとエージェントがシミュレーションされた将来の軌道を探索することを可能にする対話パラダイムである。
• 参考スコア（独自算出の注目度）: 14.322953078328693
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly used to power autonomous agents for complex, multi-step tasks. However, human-agent interaction remains pointwise and reactive: users approve or correct individual actions to mitigate immediate risks, without visibility into subsequent consequences. This forces users to mentally simulate long-term effects, a cognitively demanding and often inaccurate process. Users have control over individual steps but lack the foresight to make informed decisions. We argue that effective collaboration requires foresight, not just control. We propose simulation-in-the-loop, an interaction paradigm that enables users and agents to explore simulated future trajectories before committing to decisions. Simulation transforms intervention from reactive guesswork into informed exploration, while helping users discover latent constraints and preferences along the way. This perspective paper characterizes the limitations of current paradigms, introduces a conceptual framework for simulation-based collaboration, and illustrates its potential through concrete human-agent collaboration scenarios.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、複雑で多段階的なタスクのための自律エージェントの動力として、ますます使われている。 しかしながら、人間とエージェントのインタラクションは、ポイントワイズとリアクティブなままであり、ユーザは、その後の結果を確認することなく、即時的なリスクを軽減するために、個々のアクションを承認または修正する。 これによってユーザは、認知的に要求され、しばしば不正確なプロセスである、長期的な影響を精神的にシミュレートせざるを得なくなる。 ユーザーは個別のステップをコントロールできるが、情報的な決定を下す余地はない。 効果的なコラボレーションには、コントロールだけでなく、前もって注意が必要だ、と私たちは主張します。 本稿では,ユーザとエージェントが意思決定にコミットする前に,シミュレーションされた将来の軌跡を探索できる対話パラダイムであるシミュレーション・イン・ザ・ループを提案する。 シミュレーションは、反応予測から情報探索への介入を変換し、ユーザはその過程で潜む制約や好みを発見するのを助ける。 この視点では、現在のパラダイムの限界を特徴づけ、シミュレーションに基づくコラボレーションの概念的枠組みを導入し、具体的な人間とエージェントのコラボレーションシナリオを通してその可能性を説明する。

関連論文リスト

• UXSim: Towards a Hybrid User Search Simulation [2.50369129460887]
  人間のコンピュータ相互作用に固有の真のダイナミズムとパーソナライゼーションは、より統合されたアプローチを要求する。 この作業では、両方のアプローチを統合する新しいフレームワークであるUXSimを紹介します。
  論文  参考訳（メタデータ） (2026-02-27T18:14:34Z)
• Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
  大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。 このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
  論文  参考訳（メタデータ） (2026-02-19T06:35:07Z)
• AlignUSER: Human-Aligned LLM Agents via World Models for Recommender System Evaluation [0.7031557790463293]
  人間のインタラクションから世界モデル駆動エージェントを学習するフレームワークであるAlignを紹介する。 実証に関する反事実的軌跡を生成し, LLMに人間の選択と判断を比較し, 準最適行動を特定し, 教訓を抽出するよう促す。
  論文  参考訳（メタデータ） (2026-01-02T03:01:33Z)
• See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
  本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。 我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。 推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
  論文  参考訳（メタデータ） (2025-10-22T05:07:14Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• 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)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• Conveying Autonomous Robot Capabilities through Contrasting Behaviour Summaries [8.413049356622201]
  比較行動要約を効率的に生成する適応探索法を提案する。 この結果から,適応探索により,人間がより優れたエージェントを正確に選択できる情報コントラストのシナリオを効果的に特定できることが示唆された。
  論文  参考訳（メタデータ） (2023-04-01T18:20:59Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)

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。