論文の概要: Caring Without Feeling: Affective Dynamics as the Control Layer of Human-AI Agent Collaboration
- arxiv url: http://arxiv.org/abs/2606.18259v1
- Date: Fri, 08 May 2026 05:10:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:12.913552
- Title: Caring Without Feeling: Affective Dynamics as the Control Layer of Human-AI Agent Collaboration
- Title（参考訳）: フィーリングのない運転:人間とAIエージェントの協調の制御層としての影響ダイナミクス
- Abstract要約: エージェント的なコラボレーションの中で、感情的な手がかりがどのように動作するかは、統合された説明がない。
モデルが生成した感情信号が、依存、修復、監視を管理する相互作用ループにどのように入るかを追跡する。
我々は、AIの内的特性ではなく、人間やエージェントが能力、不確実性、責任を交渉する協調レイヤとして、影響を扱えるフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 28.35417287973668
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AI agents that plan, retain memory across sessions, invoke external tools and act with partial autonomy are transforming human--AI collaboration. Research on affective computing, simulated empathy in large language models, trust in automation and AI safety has illuminated important design principles, yet these literatures remain fragmented. No integrated account explains how affective cues operate within agentic collaboration -- settings in which humans delegate, monitor and correct consequential tasks. This Review synthesises computational and interactional mechanisms of affective dynamics: the processes through which affective cues, emotion-like behaviour and perceived agent affect shape trust calibration, delegation decisions, error correction, dependence and governance. We trace how model-generated affective signals enter interaction loops that govern reliance, repair and oversight, and propose a framework that treats affect not as an internal property of AI but as a coordination layer through which humans and agents negotiate capability, uncertainty and responsibility. The framework provides a foundation for calibrated measurement, purposeful design and informed governance.
- Abstract（参考訳）: セッションを計画し、メモリを保持し、外部ツールを実行し、部分的な自律性を持つAIエージェントは、人間とAIのコラボレーションを変革している。大規模な言語モデルにおける感情的コンピューティング、シミュレーションされた共感、自動化とAIの安全性の研究は、重要な設計原則を照らし出した。しかしながら、これらの文献は断片化されている。統合された説明では、感情的キューがエージェントのコラボレーションの中でどのように動作するかを説明している -- 人間が委譲し、監視し、簡潔なタスクを正す設定は説明されていない。
情動力学の計算的および相互作用的メカニズム:感情的手がかり、感情的行動、知覚的エージェントが形状信頼の校正、委譲決定、誤り訂正、依存、ガバナンスに影響を与える過程。
我々は、モデル生成された感情信号が、信頼、修復、監視を管理する相互作用ループに入る様子を辿り、人間とエージェントが能力、不確実性、責任を交渉する協調レイヤとして、AIの内部特性としてではなく、影響を処理するフレームワークを提案する。
このフレームワークは、測定基準、設計目的、情報管理のための基盤を提供する。
関連論文リスト
- An Agent Model Abstraction for Human-AI Teaming Cognitive Coupling [0.9566312408744931]
産業環境はますます人間とAI対応エージェントの協力に依存している。
本稿では,8つの要素を通して認知的結合を定式化する認知エージェントモデルを提案する。
論文 参考訳（メタデータ） (2026-09-03T11:01:02Z) - ComBodied Agents: a New Paradigm of Human-Centric Agentic AI [121.60938707072069]
我々は、人間中心のパラダイムであるCombodied Agentsを紹介し、時間とともに個々の人間状態の軌跡を知覚し、モデル化し、予測し、支援する。
パーソナルアシスタント、ヘルスエージェント、AIコンパニオン、適応型ヒューマンAIシステムをクローズドループに統合する。
論文 参考訳（メタデータ） (2026-08-11T13:35:58Z) - AI as Teammate or Tool? A Review of Human-AI Interaction in Decision Support [0.514825619161626]
現在のAIシステムは、説明可能性中心の設計への過度な依存のため、主に受動的である。
AIをアクティブなチームメイトに移行するには、適応的でコンテキスト対応のインタラクションが必要です。
論文 参考訳（メタデータ） (2026-01-26T19:18:50Z) - 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) - Institutional AI: A Governance Framework for Distributional AGI Safety [1.3763052684269788]
AIモデルのコア特性から生じる3つの構造的問題を同定する。
ソリューションはInstitutional AIであり、AIエージェント集団の効果的なガバナンスの問題としてアライメントを扱うシステムレベルのアプローチである。
論文 参考訳（メタデータ） (2026-01-15T17:08:26Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - AI Agent Behavioral Science [29.262537008412412]
AIエージェント行動科学は、行動の体系的な観察、仮説をテストするための介入の設計、そしてAIエージェントが時間とともにどのように行動し、適応し、相互作用するかの理論的指導による解釈に焦点を当てている。
我々は、個々のエージェント、マルチエージェント、人間とエージェントのインタラクション設定にまたがる研究の体系化を行い、この視点が、公正さ、安全性、解釈可能性、説明責任、プライバシーを行動特性として扱うことによって、責任あるAIにどのように影響を与えるかを実証する。
論文 参考訳（メタデータ） (2025-06-04T08:12:32Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - Media and responsible AI governance: a game-theoretic and LLM analysis [61.132523071109354]
本稿では,信頼できるAIシステムを育成する上での,AI開発者,規制当局,ユーザ,メディア間の相互作用について検討する。
進化的ゲーム理論と大言語モデル(LLM)を用いて、異なる規制体制下でこれらのアクター間の戦略的相互作用をモデル化する。
論文 参考訳（メタデータ） (2025-03-12T21:39:38Z) - Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions [12.074590482085831]
責任レンズを介して安全なマルチエージェントインタラクションを規定する要因を定式化する。
本稿では,制御障壁関数と微分可能最適化に基づくデータ駆動モデリング手法を提案する。
論文 参考訳（メタデータ） (2024-10-09T20:20:41Z) - AntEval: Evaluation of Social Interaction Competencies in LLM-Driven
Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。
しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。
本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文 参考訳（メタデータ） (2024-01-12T11:18:00Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z)
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。