論文の概要: The Collaboration Gap in Human-AI Work

• arxiv url: http://arxiv.org/abs/2604.18096v1
• Date: Mon, 20 Apr 2026 11:14:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.829072
• Title: The Collaboration Gap in Human-AI Work
• Title（参考訳）: 人間-AI作業におけるコラボレーションギャップ
• Authors: Varad Vishwarupe, Marina Jirotka, Nigel Shadbolt, Ivan Flechais,
• Abstract要約: このポスターは、なぜそのようなコラボレーションが脆弱なままなのかを理解するための概念的なフレームワークを紹介します。 安定したコラボレーションは、モデル能力だけでなく、相互作用の基盤条件にも依存する、と我々は主張する。
• 参考スコア（独自算出の注目度）: 11.663456969895462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs are increasingly presented as collaborators in programming, design, writing, and analysis. Yet the practical experience of working with them often falls short of this promise. In many settings, users must diagnose misunderstandings, reconstruct missing assumptions, and repeatedly repair misaligned responses. This poster introduces a conceptual framework for understanding why such collaboration remains fragile. Drawing on a constructivist grounded theory analysis of 16 interviews with designers, developers, and applied AI practitioners working on LLM-enabled systems, and informed by literature on human-AI collaboration, we argue that stable collaboration depends not only on model capability but on the interaction's grounding conditions. We distinguish three recurrent structures of human-AI work: one-shot assistance, weak collaboration with asymmetric repair, and grounded collaboration. We propose that collaboration breaks down when the appearance of partnership outpaces the grounding capacity of the interaction and contribute a framework for discussing grounding, repair, and interaction structure in LLM-enabled work.
• Abstract（参考訳）: LLMは、プログラミング、設計、執筆、分析の協力者として、ますます普及している。 しかし、彼らと仕事をする実践的な経験は、しばしばこの約束に反する。 多くの設定において、ユーザは誤解を診断し、行方不明の仮定を再構築し、繰り返し不一致の応答を修復しなければならない。 このポスターは、なぜそのようなコラボレーションが脆弱なままなのかを理解するための概念的なフレームワークを紹介します。 設計者,開発者,応用AI実践者との16件のインタビューを基礎とした理論分析に基づいて,人間とAIのコラボレーションに関する文献から,安定したコラボレーションはモデル能力だけでなく,インタラクションの基盤条件にも依存する,と論じる。 我々は,1ショットの補助,非対称的な修復による弱い協調,接地された協調という,AI作業の3つの繰り返し構造を区別する。 我々は,パートナーシップの出現が相互作用の接地能力を上回った場合に,協調が崩壊し,LLM対応作業における接地,修復,相互作用構造を議論するための枠組みが提案される。

関連論文リスト

• Channelling, Coordinating, Collaborating: A Three-Layer Framework for Disability-Centered Human-Agent Collaboration [9.587600448186839]
  障害を持つ多くの人々にとって、複雑なタスクは、孤独な努力ではなく、補完的な能力をもたらす他の人々とのコラボレーションによって達成される。 我々は,AIの能力と多様性のコラボレーションにおける役割を再考する3層フレームワークであるChannelling,Coordinating,Co-Creatingを提案する。
  論文  参考訳（メタデータ） (2026-03-27T10:19:30Z)
• The Collaboration Gap [28.553543260404425]
  i)協調機能を分離し,(ii)問題複雑性を変調し,(iii)スケーラブルな自動グレーディングを可能にし,(iv)出力制約を課さない協調迷路解決ベンチマークを提案する。 このフレームワークを用いて、32個のオープンソースおよびクローズドソースモデルを、単独、同種、異種ペアリングで評価する。 私たちの結果からは,“コラボレーションギャップ”が明らかになっている。
  論文  参考訳（メタデータ） (2025-11-04T16:10:57Z)
• Let's Roleplay: Examining LLM Alignment in Collaborative Dialogues [11.888786446094057]
  本稿では,多人数共同作業におけるパートナーとしての大規模言語モデルの有効性に,異なるアライメント手法がどのような影響を与えるかを検討する。 ロールプレイ手法を用いて、協調作業会話における異なる訓練された摩擦剤の介入を評価する。 以上の結果から, 摩擦認識アプローチは, 共通基盤への収束, あるいはタスク関連命題の一致, タスク結果の正当性の両方において, 共通のアライメントベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2025-09-07T00:58:10Z)
• Human-AI collaboration or obedient and often clueless AI in instruct, serve, repeat dynamics? [0.0]
  本研究では,複雑な問題を解きながら人間とAIの相互作用を考察する。 発見は、協調的な交渉よりも反復的な順序付けによって特徴づけられる相互作用による指導的パターンが支配的であることを示している。
  論文  参考訳（メタデータ） (2025-08-03T11:43:01Z)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• When LLMs Team Up: The Emergence of Collaborative Affective Computing [17.777196145195866]
  本調査は, Affective Computing (AC) におけるLarge Language Models (LLMs) ベースのコラボレーションシステムの概要を概観することを目的とする。 LLMは、感情的な理解と生成タスクに対する統一的なアプローチを提供し、動的でリアルタイムな相互作用の可能性を高める。 この研究は、ACのLLMと協調的なインテリジェンスを体系的に探求する最初のものであり、人間のようなソーシャルインテリジェンスにアプローチするより強力なアプリケーションへの道を開いた。
  論文  参考訳（メタデータ） (2025-06-02T14:00:54Z)
• 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)
• Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
  心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。 Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。 エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
  論文  参考訳（メタデータ） (2024-09-13T13:19:48Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
  我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。 専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。 専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-24T14:27:00Z)

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。