論文の概要: A Motivational Architecture for Conversational AGI

• arxiv url: http://arxiv.org/abs/2606.05411v1
• Date: Wed, 03 Jun 2026 20:25:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.388147
• Title: A Motivational Architecture for Conversational AGI
• Title（参考訳）: 対話型AGIのためのモチベーションアーキテクチャ
• Authors: Anna Mikeda, Ben Goertzel,
• Abstract要約: 本稿では,モジュール型実行基板上に構築されたエージェントに対して,OpenPsiモチベーションラインの対話的再解釈をMetaMoの高レベルモチベーションスキャフォールドと組み合わせて提案する。 薬物は体力低下、不確実性低下、親和性、親和性、正当性、育児、美的コヒーレンスを規制する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motivational architectures in cognitive AI have largely been designed for physical agents regulating bodily needs. Conversational agents operate in a different regime: their sensorimotor loop is linguistic, their environment is a user's evolving mental state, and their consequential actions are speech acts, tool invocations, and strategic silences. This paper proposes a conversational reinterpretation of the OpenPsi motivational lineage, coupled to MetaMo's higher-level motivational scaffold, for agents built on a modular execution substrate. Homeostasis is recast in dialogue-native terms: the agent regulates competence, uncertainty reduction, affiliation, affinity, legitimacy, nurturing, and aesthetic coherence rather than bodily deficits. We propose three contributions: a ten-stage motivational processing pipeline that architecturally separates cognitive modulation from situational appraisal; a dual decision strategy blending urgency-driven fast response with deliberative multi-goal optimization; and an architecturally useful distinction between pre-action feelings and post-action emotions as functionally different forms of affect. We specialize the framework to two example agents -- CompanionAgent and ResearchAgent -- and sketch its extension to social robotics and domain-generic human-level AGI.
• Abstract（参考訳）: 認知AIにおけるモチベーションアーキテクチャは、身体のニーズを規制する物理エージェントのために主に設計されている。 会話エージェントは異なる体制で活動する: 感覚運動ループは言語的であり、環境はユーザの進化する精神状態であり、その後の行動は音声行為、ツール呼び出し、戦略的沈黙である。 本稿では,モジュール型実行基板上に構築されたエージェントに対して,OpenPsiモチベーションラインの対話的再解釈をMetaMoの高レベルモチベーションスキャフォールドと組み合わせて提案する。 薬物は体力低下、不確実性低下、親和性、親和性、正当性、育児、美的コヒーレンスを規制する。 本稿では,認知調節を状況評価からアーキテクチャ的に分離する10段階のモチベーション処理パイプライン,緊急駆動型高速応答と熟考的マルチゴール最適化を併用する2つの決定戦略,事前行動感情と後行動感情を機能的に異なる形態の感情としてアーキテクチャ的に有用に区別する3つの提案を行う。 我々は、このフレームワークをCompanionAgentとResearchAgentの2つのサンプルエージェントに特化させ、社会ロボティクスとドメインジェネリックな人間レベルのAIGへの拡張をスケッチする。

関連論文リスト

• The Sensation Modulating Network:Haltability as the architectural ground for object-directed phenomenology [0.0]
  我々は、この不備は、具体的エージェントのアーキテクチャの不完全な説明に起因していると主張している。 本研究は,身体全体としての認知エージェントである感覚変調ネットワーク(SMN)を提案する。 SMNは認知主義4Eの議論を和解し、再帰はネゴチブル・アクション・パターンの修正可能なダイナミクスの中で生きていく。
  論文  参考訳（メタデータ） (2026-05-26T11:15:56Z)
• On Emotion-Sensitive Decision Making of Small Language Model Agents [23.213662701638658]
  表現レベルの感情誘導と構造化ゲーム理論的評価を組み合わせることで、感情に敏感な意思決定について検討する。 感情状態は、群衆に検証された実世界の感情を除去するテキストから導かれるアクティベーションステアリングを用いて誘導される。 感情的な摂動は戦略的選択に体系的に影響を及ぼすが、結果として生じる行動はしばしば不安定であり、人間の期待と完全に一致しない。
  論文  参考訳（メタデータ） (2026-04-08T01:24:13Z)
• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• Structured Personality Control and Adaptation for LLM Agents [11.050618253938126]
  大規模言語モデル(LLM)は、ますますヒトとコンピュータの相互作用(HCI)を形作っている ユング心理学的タイプを用いたLLMパーソナリティをモデル化する枠組みを提案する。 この設計により、エージェントは対話要求に応じて動的に調整しながらニュアンス付き特性を維持することができる。
  論文  参考訳（メタデータ） (2026-01-15T03:15:24Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• LinguaGame: A Linguistically Grounded Game-Theoretic Paradigm for Multi-Agent Dialogue Generation [17.584631586928815]
  本稿では,多エージェント対話生成のための言語論的ゲーム理論パラダイムを提案する。 我々のフレームワークは、最小限のタスク固有結合を伴う言語情報推論に依存している。 我々は,模擬法廷手続と議論における枠組みを評価し,コミュニケーション効率の大幅な向上を示す人間専門家の評価を行った。
  論文  参考訳（メタデータ） (2026-01-08T02:30:43Z)
• Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation [9.34696493928592]
  本稿では,欲求生成と客観的管理を取り入れた感情認知フレームワークを構築する。 LLMベースのエージェントの完全な意思決定プロセスをモデル化し、状態進化、欲求生成、客観的最適化、意思決定、行動実行を含む。 実験の結果,我々のフレームワークが支配するエージェントは,感情状態と一致した行動を示すだけでなく,他のエージェントに対する比較評価においても,より優れた生態学的妥当性を示し,人間の行動パターンをより密に近似した決定結果を生成することがわかった。
  論文  参考訳（メタデータ） (2025-10-15T06:33:11Z)
• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
  人間は、強さと文脈に応じて行動を促進する必要がある。 また、各行動の知覚的快楽に関連する嗜好も作り出します。 これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
  論文  参考訳（メタデータ） (2023-02-20T04:52:24Z)

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。