論文の概要: Hybrid Decision Making via Conformal VLM-generated Guidance
- arxiv url: http://arxiv.org/abs/2604.14980v2
- Date: Wed, 22 Apr 2026 10:12:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.254282
- Title: Hybrid Decision Making via Conformal VLM-generated Guidance
- Title（参考訳）: コンフォーマルVLM生成誘導によるハイブリッド意思決定
- Authors: Debodeep Banerjee, Burcu Sayin, Stefano Teso, Andrea Passerini,
- Abstract要約: 我々は、人間は常に最終決定に責任を負う、最近提案されたHDMフレームワークであるLtG(Learning to Guide)の文脈で作業する。
既存のアプローチの制限要因の1つは、そのガイダンスがすべての可能な結果に関する情報を複合していることである。
より簡潔で目標とするガイダンスを生成する新しいLtGアプローチであるConfGuideを紹介する。
- 参考スコア（独自算出の注目度）: 14.315484364369468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Building on recent advances in AI, hybrid decision making (HDM) holds the promise of improving human decision quality and reducing cognitive load. We work in the context of learning to guide (LtG), a recently proposed HDM framework in which the human is always responsible for the final decision: rather than suggesting decisions, in LtG the AI supplies (textual) guidance useful for facilitating decision making. One limiting factor of existing approaches is that their guidance compounds information about all possible outcomes, and as a result it can be difficult to digest. We address this issue by introducing ConfGuide, a novel LtG approach that generates more succinct and targeted guidance. To this end, it employs conformal risk control to select a set of outcomes, ensuring a cap on the false negative rate. We demonstrate our approach on a real-world multi-label medical diagnosis task. Our empirical evaluation highlights the promise of ConfGuide.
- Abstract（参考訳）: AIの最近の進歩に基づいて、ハイブリッド意思決定(HDM)は、人間の意思決定品質を改善し、認知負荷を減らすという約束を守る。
我々は、人間は常に最終決定に責任を負う、最近提案されたHDMフレームワークである学習指導(LtG)の文脈で作業する。
既存のアプローチの制限要因の1つは、それらのガイダンスがすべての可能な結果に関する情報を合成することであり、結果として消化するのが困難である。
我々は、より簡潔で目標とするガイダンスを生成する新しいLtGアプローチであるConfGuideを導入することでこの問題に対処する。
この目的のために、コンフォメーションリスク制御を用いて一連の結果を選択し、偽陰性率の上限を確保する。
実世界のマルチラベル医療診断におけるアプローチを実証する。
私たちの経験的評価はConfGuideの約束を強調します。
関連論文リスト
- Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Learning To Guide Human Decision Makers With Vision-Language Models [17.957952996809716]
医療診断などの高度なタスクにおいて、人間の意思決定を支援するAIの開発への関心が高まっている。
学習指導(Learning to Guide,LTG)は、人間の専門家から制御されるのではなく、機械が指導を提供するフレームワークである。
指導が解釈可能であることを保証するため,任意の視覚言語モデルをテキスト誘導の能力のある生成器に変換するアプローチであるSLOGを開発した。
論文 参考訳（メタデータ） (2024-03-25T07:34:42Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Rational Decision-Making Agent with Internalized Utility Judgment [88.01612847081677]
大規模言語モデル(LLM)は目覚ましい進歩を示し、従来のNLPアプリケーションを超えて複雑な多段階決定タスクを実行できるエージェントにLLMを開発するための重要な努力を惹きつけている。
本稿では,RadAgentを提案する。このRadAgentは,経験探索とユーティリティ学習を含む反復的なフレームワークを通じて,合理性の発展を促進する。
ToolBenchデータセットの実験結果は、RadAgentがベースラインよりも優れていることを示している。
論文 参考訳（メタデータ） (2023-08-24T03:11:45Z) - AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions [6.356355538824237]
私たちは、AIによる意思決定に関する現在の文献で、信頼と意思決定品質が不適切に混ざり合っていると論じています。
我々の研究は、AIによる意思決定における信頼行動と意思決定品質の区別の重要性を強調している。
論文 参考訳（メタデータ） (2023-04-18T08:08:05Z) - Reinforcement Learning with a Terminator [80.34572413850186]
我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。
我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
論文 参考訳（メタデータ） (2022-05-30T18:40:28Z) - Automatic Discovery of Interpretable Planning Strategies [9.410583483182657]
我々は、慣用的ポリシーを単純かつ解釈可能な記述に変換する方法であるAI-Interpretを紹介する。
フローチャートとしてAI-Interpretが生み出す決定ルールを守れば、人々の計画戦略や意思決定は大幅に改善される。
論文 参考訳（メタデータ） (2020-05-24T12:24:52Z)
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。