論文の概要: Effective Explanations Support Planning Under Uncertainty

• arxiv url: http://arxiv.org/abs/2605.08406v1
• Date: Fri, 08 May 2026 19:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.622072
• Title: Effective Explanations Support Planning Under Uncertainty
• Title（参考訳）: 不確実性下における効果的な計画立案支援
• Authors: Hanqi Zhou, Britt Besch, Charley M. Wu, Tobias Gerstenberg,
• Abstract要約: 本稿では,発話を行動計画に変換する計算モデルを提案する。 大きな言語モデルは、説明をプログラムのようなガイダンスに変換する。 得られたパスの効率性と信頼性から説明を行う。
• 参考スコア（独自算出の注目度）: 5.525659121766291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Explaining how to get from A to B can be challenging. It requires mentally simulating what the listener will do based on what they are told. To capture this process, we propose a computational model that converts utterances into action plans: a large language model translates an explanation into program-like guidance (a policy prior and value map), and a planning agent executes it under partial observability. We score explanations by the efficiency and reliability of the resulting paths, penalizing replanning. Across four preregistered experiments, we collect a corpus of 1,200 explanations over 24 maps, elicit helpfulness judgments, measure baseline navigation, and test behavior with explanations of differing quality. Higher-scored explanations are judged more helpful and improve navigation: participants with explanations outperform those without, and high-scoring explanations help more than low-scoring ones. Together, these results show procedural explanation as utility-guided communication shaped by how language can be grounded into action under uncertainty.
• Abstract（参考訳）: AからBへの到達方法を説明するのは難しいです。 聞き手が言われたことに基づいて何をするかを精神的にシミュレートする必要があります。 そこで本研究では,発話を行動計画に変換する計算モデルを提案する。大言語モデルでは説明文をプログラム風のガイダンス(ポリシー優先と値マップ)に変換し,計画エージェントは部分観測可能性の下で処理を行う。 得られたパスの効率と信頼性から説明を行い、再設計を罰する。 事前登録された4つの実験において、24の地図上の1200の説明コーパス、有益性判定、ベースラインナビゲーションの測定、および異なる品質の説明によるテスト行動のコーパスを収集した。 より高いスコアのついた説明は、より有用であると判断され、ナビゲーションを改善する。 これらの結果は,不確実性の下で言語がどのように行動を起こすかによって形作られたユーティリティ誘導型コミュニケーションとしての手続き的説明を示す。

関連論文リスト

• Beyond Satisfaction: From Placebic to Actionable Explanations For Enhanced Understandability [0.0]
  本稿では、機械学習システムの説明可能性を評価する上で、ユーザ満足度指標の過度な信頼性を批判する。 主観的な調査では、ユーザにとって有用なドメイン理解を構築する上で、説明が本当に有効かどうかを把握できないことが分かりました。 エージェントの説明能力の今後の評価は、主観的な評価とともに客観的なタスクパフォーマンス指標を統合して、説明品質をより正確に測定することを提案する。
  論文  参考訳（メタデータ） (2025-12-06T23:06:18Z)
• Explanation Selection Using Unlabeled Data for Chain-of-Thought Prompting [80.9896041501715]
  非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。 本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
  論文  参考訳（メタデータ） (2023-02-09T18:02:34Z)
• Saliency Map Verbalization: Comparing Feature Importance Representations from Model-free and Instruction-based Methods [6.018950511093273]
  サージェンシマップは、重要な入力特徴を特定することによって、ニューラルネットワークの予測を説明することができる。 我々は,サリエンシマップを自然言語に翻訳する未調査課題を定式化する。 本研究では,従来の特徴強調表現と比較した2つの新手法(検索ベースおよび命令ベース言語化)を比較した。
  論文  参考訳（メタデータ） (2022-10-13T17:48:15Z)
• The Unreliability of Explanations in Few-Shot In-Context Learning [50.77996380021221]
  我々は、テキスト上の推論、すなわち質問応答と自然言語推論を含む2つのNLPタスクに焦点を当てる。 入力と論理的に整合した説明は、通常より正確な予測を示す。 本稿では,説明の信頼性に基づいてモデル予測を校正する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-06T17:57:58Z)
• Human Interpretation of Saliency-based Explanation Over Text [65.29015910991261]
  テキストデータ上でのサリエンシに基づく説明について検討する。 人はしばしば説明を誤って解釈する。 本稿では,過度知覚と過小認識のモデル推定に基づいて,サリエンシを調整する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-27T15:20:32Z)
• Evaluating Explanations: How much do explanations from the teacher aid students? [103.05037537415811]
  本研究では,説明が生徒の学習モデルを改善する程度を測る学生-教師パラダイムを用いて,説明の価値を定式化する。 説明を評価するための従来の提案とは異なり、我々のアプローチは容易にゲーム化できず、原則付き、スケーラブルで、属性の自動評価を可能にします。
  論文  参考訳（メタデータ） (2020-12-01T23:40:21Z)

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。