論文の概要: Seeing the Hivemind: A Consensus-Aware Interaction Technique for Mitigating AI Homogenization

• arxiv url: http://arxiv.org/abs/2606.09587v1
• Date: Mon, 08 Jun 2026 14:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.360179
• Title: Seeing the Hivemind: A Consensus-Aware Interaction Technique for Mitigating AI Homogenization
• Title（参考訳）: Hivemindを見る:AIの均質化を緩和するための合意と認識のインタラクション技術
• Authors: Muhammad Haris Khan, Joel wester,
• Abstract要約: 本稿では,Semantic Repulsion Techniqueを導入し,AIを創造的なタスクに定期的に使用している16人の参加者を対象に,計算と評価を行った。 計算結果から,SRTのセマンティック多様性は85～167%,コンセンサスフレーズは43～95%,タスクモードは43～95%向上した。 ユーザ調査では、SRTの出力はより有用性(p =.019$, $W =.208$)が高く、コヒーレンス評価($p =.006$, $W =.260$)、68.8%の参加者が複数のタスクにSRT-Strongを使用したいと望んでいる。
• 参考スコア（独自算出の注目度）: 24.25082195062824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People are increasingly using AI for creative tasks such as writing. While adoption continues to grow, this form of use risks undermining individual creativity locally and reducing the heterogeneity of creative output at scale. In response, we introduce the Semantic Repulsion Technique (SRT) and evaluate it both computationally and through a study with 16 participants who regularly use AI for creative tasks. Our computational assessment reveals that SRT increases semantic diversity by 85--167\% while reducing consensus phrases by 43--95\% across task modes. In the user study, SRT outputs received higher usefulness ($p = .019$, $W = .208$) and coherence ratings ( $p = .006$, $W = .260$); 68.8\% of participants were willing to use SRT-Strong for multiple tasks versus 18.8\% for baselines. Originality and coherence ratings were positively correlated across all systems ($ρ= +.40$ to $+.67$), suggesting that divergence need not compromise readability. Taken together, these preliminary findings can inform the design of AI systems that aim to support everyday creativity without contributing to homogenization.
• Abstract（参考訳）: 人々は、筆記のような創造的なタスクにAIをますます利用しています。 採用が継続する一方で、このような利用のリスクは個々の創造性を局所的に損なうとともに、大規模な創造的アウトプットの不均一性を減少させる。 これに対し,SRT(Semantic Repulsion Technique)を導入し,AIを創造的なタスクに定期的に使用している16人の参加者を対象に,計算と評価を行った。 計算結果から,SRTはタスクモード全体で,コンセンサスフレーズを43～95パーセント削減しながら,意味多様性を85～167パーセント向上させることがわかった。 ユーザ調査では、SRT出力はより有用性(p = .019$, $W = .208$)とコヒーレンス評価($p = .006$, $W = .260$);68.8\%の参加者は、複数のタスクにSRT-Strongを使用することを好んだが、ベースラインでは18.8\%であった。 原産地とコヒーレンス評価は全てのシステム(ρ=+.40$から$+.67$)に正の相関関係があり、発散は可読性を損なう必要はないことを示唆している。 これらの予備的な発見は、ホモジェナイゼーションに寄与することなく、日々の創造性をサポートすることを目的としたAIシステムの設計を通知する。

関連論文リスト

• Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build [0.6524460254566904]
  自己報告による調査はほとんど変化を示さないが、小規模の行動研究では、学習結果を測定するための尺度や期間のないAIの利用が広く報告されている。 私たちは、タイム・オン・タスク分析のために、ALEKSの学習インタラクションを320万ドルで10年のパネルで行います。 これらの結果は、生成的AIが学生の学習方法と彼らが構築した知識を変化させた最初の大規模行動と結果の証拠である。
  論文  参考訳（メタデータ） (2026-05-20T18:40:53Z)
• Ex Ante Evaluation of AI-Induced Idea Diversity Collapse [0.0]
  本稿では,AIによるヒトの多様性崩壊をベンチマークするための人間関係フレームワークを提案する。 コングリゲート可能な資源としてアイデアをモデル化することにより、ソースレベルの集団化が流通内比較から特定可能であることを示す。 例えば、$ge1$は必要のないパリティ条件であり、露出依存冗長コストで採用ゲームに$$を接続することを示す。
  論文  参考訳（メタデータ） (2026-05-07T16:38:17Z)
• The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
  本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。 通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
  論文  参考訳（メタデータ） (2026-04-27T16:23:09Z)
• Detecting Corporate AI-Washing via Cross-Modal Semantic Inconsistency Learning [0.0]
  本稿では,AI洗浄検出を再定義するフレームワークであるAWASHについて,モーダルなクレームエビデンス推論として紹介する。 本稿では,クレーム・エビデンス関連推論のための構造化自然言語推論モジュールであるトリモーダルエンコーダを統合する,CMID(Cross-Modal Inconsistency Detection)ネットワークを提案する。 CMIDはF1スコアが0.882、AUC-ROCが0.921であり、テキストのみのベースラインが17.4ポイント、最新のマルチモーダル・コンペティターが11.3ポイントを上回っている。
  論文  参考訳（メタデータ） (2026-03-24T01:30:36Z)
• Nonstandard Errors in AI Agents [6.890249567932368]
  我々は、現在最先端のAIコーディングエージェントが、同じデータと研究質問を与えられた場合、同じ経験的結果をもたらすかどうかを調査する。 我々は,AIエージェントが,分析選択におけるエージェント対エージェントのばらつきから不確実な,大きさのテクスチノンスタンダードエラー(NSE)を示すことを発見した。 これらの発見は、自動政策評価と実証研究におけるAIの利用の増加に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-03-17T16:21:22Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Progressive-Hint Prompting Improves Reasoning in Large Language Models [63.98629132836499]
  本稿では,プログレッシブ・ヒント・プロンプト(PHP)と呼ばれる新しいプロンプト手法を提案する。 事前に生成された回答をヒントとして使用することで、ユーザとLLM(Large Language Models)間の自動多元的対話を可能にする。 我々は7つのベンチマークで広範囲かつ包括的な実験を行った。その結果、PHPは高い効率を保ちながら精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2023-04-19T16:29:48Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• Toward Adversarial Robustness via Semi-supervised Robust Training [93.36310070269643]
  アドリラルな例は、ディープニューラルネットワーク(DNN)に対する深刻な脅威であることが示されている。 R_stand$ と $R_rob$ の2つの異なるリスクを共同で最小化することで、新しい防御手法であるロバストトレーニング(RT)を提案する。
  論文  参考訳（メタデータ） (2020-03-16T02:14:08Z)

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。