論文の概要: IntElicit: Eliciting and Assessing Contextualized Creativity via Dialogue Policy Optimization

• arxiv url: http://arxiv.org/abs/2606.12086v1
• Date: Wed, 10 Jun 2026 13:47:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.486064
• Title: IntElicit: Eliciting and Assessing Contextualized Creativity via Dialogue Policy Optimization
• Title（参考訳）: IntElicit:対話ポリシー最適化による文脈化創造性の排除と評価
• Authors: Mingjia Li, Jin Wu, Hong Qian, Wenhao Huang, Yiyang Huang, Yiwen Zhang, Chanjin Zheng, Xiangfeng Wang, Aimin Zhou, Jiajun Guo,
• Abstract要約: IntElicitは、対話ポリシー最適化を通じてコンテキスト化された創造性を引き出して評価するためのフレームワークである。 非創造的な共同設立者を減らすために、多ターンインタラクションにおける非指向的な知識とエージェンシーの足場を提供する。 実験の結果、IntElicitは専門家が設計したベースラインよりも創造的な成果を誘発することがわかった。
• 参考スコア（独自算出の注目度）: 37.83315648613522
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Contextualized assessment offers high ecological validity for evaluating creativity but introduces a critical challenge: observed performance may be confounded with cognitive proficiency (domain knowledge) and agency (willingness to engage). Meanwhile, in the age of generative AI, creative problem solving increasingly occurs in tool-mediated and human--AI interactive environments, making fully static assessment less aligned with contemporary creative practice. To address these issues, this paper proposes IntElicit, a framework for eliciting and assessing contextualized creativity via dialogue policy optimization. IntElicit functions as a constrained adaptive AI Interviewer: it provides non-directive knowledge and agency scaffolds in multi-turn interaction to reduce non-creative confounders, while preserving participants' responsibility for generating the creative content being evaluated. Specifically, to tackle sparse rewards and potential reward hacking (e.g., answer dictation) in open-ended educational dialogue, IntElicit introduces a decomposed process reward mechanism. This mechanism aligns the policy with pedagogical elicitation, rewarding prompts that draw out participant reasoning rather than producing optimal answers on their behalf. Extensive experiments, including participant simulation and a human subject study (N=64), show that IntElicit improves elicited creative outcomes over expert-designed baselines. Together, the results suggest that interactive elicitation can reveal creative potential that static FPSP-style assessment may miss, providing a formative and diagnostic lens for contextualized creativity assessment in AI-mediated learning contexts.
• Abstract（参考訳）: 文脈化された評価は、創造性を評価するための生態学的妥当性が高いが、観察されたパフォーマンスは認知能力(ドメイン知識)とエージェンシー(関与する意志)と組み合わせられる。 一方、生成AIの時代には、ツールを介し、人間とAIの対話的な環境において、創造的な問題解決がますます発生し、現代的な創造的な実践と完全に静的な評価が一致しない。 これらの課題に対処するため,対話ポリシー最適化による文脈的創造性を抽出し,評価するフレームワークであるIntElicitを提案する。 IntElicitは、非指向的な知識と代理店の足場を提供し、非創造的な共同設立者を減らすと同時に、評価対象のクリエイティブコンテンツの生成に対する参加者の責任を保っている。 具体的には、オープンエンドの教育対話において、スパース報酬と潜在的報酬ハッキング(例えば、回答の指示)に取り組むために、IntElicitは、分解されたプロセス報酬メカニズムを導入している。 このメカニズムは、政策を教育的誘因と整合させ、彼らに代わって最適な答えを導き出すのではなく、参加者の推論を引き出す報酬を与える。 参加者シミュレーションや人体実験(N=64)を含む大規模な実験は、IntElicitが専門家が設計したベースラインよりも創造的な成果を誘発することを示している。 この結果から,対話型推論は静的FPSP型評価が欠落する可能性のある創造的可能性を明らかにし,AIによる学習コンテキストにおけるコンテキスト化された創造性評価のためのフォーマティブで診断的なレンズを提供する可能性が示唆された。

関連論文リスト

• Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems [0.0]
  本稿では,創造性を共有制約と競争インセンティブの下で出現する分散的・プロセス的特性として再認識する。 本稿では,創造性を合成の新規性として測定するための定量的枠組みを導入する。 この知見は, 生成AIの時代において, 浮力よりも独特性が人間の創造能力の第一のシグナルとなることを示唆している。
  論文  参考訳（メタデータ） (2026-04-10T12:49:17Z)
• Beyond Detection: Designing AI-Resilient Assessments with Automated Feedback Tool to Foster Critical Thinking [0.0]
  本研究は, 検出ではなく, 評価設計に基づく能動的AIレジリエントソリューションを提案する。 WebベースのPythonツールで、Bloomの分類と高度な自然言語処理技術を統合する。 これは、タスクがリコールや要約のような下位の思考や、分析、評価、作成といった上位のスキルを目標にしているかどうかを教育者が判断するのに役立つ。
  論文  参考訳（メタデータ） (2025-03-30T23:13:00Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• CHAI-DT: A Framework for Prompting Conversational Generative AI Agents to Actively Participate in Co-Creation [0.0]
  本稿では,グループ中心の共創型フレームワークにおける生成AIモデルの利用の可能性を探る。 従来の「人間から人間への」ファシリテーションと指導にインスパイアされた手法を用いた会話生成AIエージェントのための新しいプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-05-05T21:25:35Z)
• Interacting with Non-Cooperative User: A New Paradigm for Proactive Dialogue Policy [83.61404191470126]
  インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。 具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。 実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-04-07T14:11:31Z)

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。