論文の概要: Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration

• arxiv url: http://arxiv.org/abs/2604.07121v1
• Date: Wed, 08 Apr 2026 14:16:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.574953
• Title: Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration
• Title（参考訳）: 混合開始的コンテキスト:人間-AI協調のための構造化と管理
• Authors: Haichang Li, Qinshi Zhang, Piaohong Wang, Zhicong Lu,
• Abstract要約: そこで本稿では,マルチターンインタラクション間で形成されるコンテキストを,明示的で構造化され,操作可能な対話オブジェクトとして再認識するMixed-Initiative Contextを提案する。 この概念の下では、コンテキストの構造、スコープ、内容は動的に整理され、タスクのニーズに応じて調整される。
• 参考スコア（独自算出の注目度）: 29.939733064751124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the human-AI collaboration area, the context formed naturally through multi-turn interactions is typically flattened into a chronological sequence and treated as a fixed whole in subsequent reasoning, with no mechanism for dynamic organization and management along the collaboration workflow. Yet these contexts differ substantially in lifecycle, structural hierarchy, and relevance. For instance, temporary or abandoned exchanges and parallel topic threads persist in the limited context window, causing interference and even conflict. Meanwhile, users are largely limited to influencing context indirectly through input modifications (e.g., corrections, references, or ignoring), leaving their control neither explicit nor verifiable. To address this, we propose Mixed-Initiative Context, which reconceptualizes the context formed across multi-turn interactions as an explicit, structured, and manipulable interactive object. Under this concept, the structure, scope, and content of context can be dynamically organized and adjusted according to task needs, enabling both humans and AI to actively participate in context construction and regulation. To explore this concept, we implement Contextify as a probe system and conduct a user study examining users' context management behaviors, attitudes toward AI initiative, and overall collaboration experience. We conclude by discussing the implications of this concept for the HCI community.
• Abstract（参考訳）: 人間とAIのコラボレーション領域では、マルチターンインタラクションを通じて自然に形成されるコンテキストは、通常、時系列にフラット化され、その後の推論において固定された全体として扱われる。 しかし、これらのコンテキストは、ライフサイクル、構造的階層、および関連性において大きく異なる。 例えば、一時的または放棄された交換と並列トピックスレッドは、限られたコンテキストウィンドウに持続し、干渉や衝突を引き起こします。 一方、ユーザは入力修正(例えば、修正、参照、無視)を通じて間接的にコンテキストに影響を与えることに大きく制限されており、コントロールは明示的でも検証可能でもない。 そこで本稿では,マルチターンインタラクション間で形成されるコンテキストを,明示的で構造化され,操作可能な対話オブジェクトとして再認識するMixed-Initiative Contextを提案する。 この概念の下では、コンテキストの構造、スコープ、内容は、タスクのニーズに応じて動的に整理および調整され、人間とAIの両方がコンテキストの構築と規制に積極的に参加できる。 この概念を探求するために、私たちはContextifyをプローブシステムとして実装し、ユーザのコンテキスト管理行動、AIイニシアティブに対する態度、そして全体的なコラボレーション体験を調べるユーザスタディを実施します。 我々は,この概念がHCIコミュニティに与える影響について論じる。

関連論文リスト

• When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
  私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。 BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。 我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
  論文  参考訳（メタデータ） (2026-03-20T14:46:59Z)
• A Context Alignment Pre-processor for Enhancing the Coherence of Human-LLM Dialog [0.0]
  本稿では、コンテキストアライメント・プリプロセッサ(C.A.P.)と呼ばれる計算フレームワークを提案する。 生成時に動作するのではなく、C.A.P.はユーザー入力と応答生成の間の前処理モジュールとして機能する。 我々は、C.A.P.は技術的な改良であるだけでなく、人間とコンピュータの対話を片道コマンド実行パターンから双方向の自己修正、パートナーシップベースのコラボレーションに移行するための一歩でもあると論じている。
  論文  参考訳（メタデータ） (2026-03-17T01:36:14Z)
• Liquid Interfaces: A Dynamic Ontology for the Interoperability of Autonomous Systems [0.0]
  Liquid Interfacesは、インターフェイスが永続的な技術的アーティファクトではない調整パラダイムである。 Liquid Interface Protocolは、意図駆動のインタラクションを管理し、実行を交渉し、セマンティックな不確実性の下で短命性を実行する。
  論文  参考訳（メタデータ） (2026-01-29T17:04:13Z)
• A Formal Descriptive Language for Learning Dynamics: A Five-Layer Structural Coordinate System [0.0]
  本稿では,動的学習のための多層形式記述フレームワークを提案する。 予測モデルや規範モデルを提供するのではなく、状態変数、マッピング、レイヤ固有の責務で構成されるシンボリック言語を導入している。
  論文  参考訳（メタデータ） (2025-12-20T22:46:13Z)
• Taxonomy of User Needs and Actions [51.86289485979439]
  会話AIの普及は、ユーザの計測目標と、それらを達成するための位置、適応、および社会的プラクティスをキャプチャするフレームワークの必要性を強調している。 このギャップに対処するために,1193人の人間とAIの会話の反復的質的分析によって構築された経験的基盤の枠組みであるTUNA(Taxonomy of User Needs and Actions)を紹介した。 TUNAは、ユーザアクションを情報検索、合成、手続き的ガイダンス、コンテンツ作成、ソーシャルインタラクション、メタ会話に関連する行動を含む3段階の階層に編成する。
  論文  参考訳（メタデータ） (2025-10-07T17:04:42Z)
• Auto-ICL: In-Context Learning without Human Supervision [93.05202223767463]
  本稿では,モデルが問題解決のための例と指示を自律的に生成できる自動文脈学習フレームワークを提案する。 さまざまなモデルやデータセットにわたる実験により、結果は、モデル生成コンテキストが人間の注釈付きコンテキストより優れていることを示している。
  論文  参考訳（メタデータ） (2023-11-15T07:37:28Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Joint Constrained Learning for Event-Event Relation Extraction [94.3499255880101]
  本稿では,イベント・イベント関係をモデル化するための制約付き協調学習フレームワークを提案する。 具体的には、このフレームワークは、複数の時間的および部分的関係内の論理的制約を強制する。 我々は,共同学習手法が,共同ラベル付きデータの欠如を効果的に補うことを示す。
  論文  参考訳（メタデータ） (2020-10-13T22:45:28Z)

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。