論文の概要: AI-Mediated Negotiation: Design Reflections and Lessons

• arxiv url: http://arxiv.org/abs/2606.21886v1
• Date: Sat, 20 Jun 2026 05:15:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 02:25:37.421887
• Title: AI-Mediated Negotiation: Design Reflections and Lessons
• Title（参考訳）: AIによるネゴシエーション - デザインのリフレクションと教訓
• Authors: Veda Duddu, Jash Rajesh Parekh, Andy Mao, Hanyi Min, Ziang Xiao, Vedant Das Swain, Koustuv Saha,
• Abstract要約: 私たちは、会話型AIをテストするための理論駆動型コーチングシステムであるTruceyを構築しました。 事前登録された実験とインタビューは、それぞれ複雑だった。 確立されたHAI設計ガイドラインに基づいて,未検討のスコープ条件を同定する。
• 参考スコア（独自算出の注目度）: 15.57105036031543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational AI promises a new kind of preparation for high-stakes workplace negotiations -- personalized, interactive, and capable of simulating realistic resistance. That promise is intuitive. We built Trucey, a theory-driven coaching system, to test it. The system encoded four assumptions: that articulation supports clarification, that personalization builds strategic competence, that chunked delivery reduces cognitive load, and that structured scaffolding removes metacognitive burden. A pre-registered experiment (N=267) and interviews (N=15) complicated each of them. Notably, the static handbook we included as a passive control outperformed both AI conditions on empowerment and usability. We reflect on why: each assumption encoded a specific model of how preparation unfolds, and the findings revealed that conversational AI imposes a linear execution model on a task that is fundamentally recursive. We identify an unexamined scope condition on established HAI design guidelines and close with a sequencing principle -- map before path, path before simulation -- for future AI coaching design.
• Abstract（参考訳）: 対話型AIは、個人化され、対話的であり、現実的な抵抗をシミュレートできる、高度な職場交渉のための新しいタイプの準備を約束する。 その約束は直感的である。 私たちは理論駆動のコーチングシステムであるTruceyを開発してテストしました。 このシステムは4つの仮定を符号化した: 明瞭さは明確化を支持し、パーソナライゼーションは戦略的能力を構築し、分断されたデリバリは認知的負荷を低減し、構造化された足場はメタ認知的負担を取り除く。 事前登録実験 (N=267) とインタビュー (N=15) はそれぞれ複雑であった。 特に、私たちがパッシブコントロールとして含めた静的ハンドブックは、エンパワーメントとユーザビリティに関するAI条件の両方を上回りました。 それぞれの仮定は、準備の展開方法の特定のモデルを符号化し、その結果、会話型AIが基本的に再帰的なタスクに対して線形実行モデルを課していることが判明した。 我々は、既存のHAI設計ガイドラインに基づいて、未検討のスコープ条件を特定し、将来のAIコーチング設計のためのシークエンシング原則(経路前、シミュレーション前、経路前)をクローズする。

関連論文リスト

• VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
  本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。 VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。 Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
  論文  参考訳（メタデータ） (2026-06-03T20:02:35Z)
• Governing Reflective Human-AI Collaboration: A Framework for Epistemic Scaffolding and Traceable Reasoning [0.0]
  本稿では,人間とモデルの間に分散した関係過程として推論を扱うための補完的アプローチを提案する。 エンジニアリング推論をモデル内でのみ行うのではなく、既存のシステムを使って構造化、測定、管理できる認知プロトコルとして捉えています。
  論文  参考訳（メタデータ） (2026-04-16T11:42:36Z)
• Does AI Coaching Prepare us for Workplace Negotiations? [15.57105036031543]
  私たちは、AIコーチのプロトタイプであるTruceyと、従来の交渉ハンドブックを比較します。 手帳の包括的でレビュー可能な内容は参加者の自信と準備に不可欠であった。 参加者はAIのリハーサル能力を評価したが、その指導はしばしば冗長で断片的であると感じた。
  論文  参考訳（メタデータ） (2025-09-26T16:21:24Z)
• Thinking Before You Speak: A Proactive Test-time Scaling Approach [54.8205006555199]
  emphThinking Before You Speak (TBYS)という名前の推論フレームワークとして、私たちのアイデアを実装しています。 インテリジェンス生成のためのコンテキスト内サンプルを自動的に収集・フィルタリングするパイプラインを設計する。 挑戦的な数学的データセットの実験は、TBYSの有効性を検証する。
  論文  参考訳（メタデータ） (2025-08-26T03:43:32Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Hierarchical Decomposition of Prompt-Based Continual Learning: Rethinking Obscured Sub-optimality [55.88910947643436]
  大量のラベルのないデータを実際に扱うためには、自己教師付き事前トレーニングが不可欠である。 HiDe-Promptは、タスク固有のプロンプトと統計のアンサンブルで階層的なコンポーネントを明示的に最適化する革新的なアプローチである。 実験では,HiDe-Promptの優れた性能と,継続学習における事前学習パラダイムへの頑健さを実証した。
  論文  参考訳（メタデータ） (2023-10-11T06:51:46Z)
• Explainability Via Causal Self-Talk [9.149689942389923]
  AIシステムの振る舞いを説明することは、実際には一般的に避けられる重要な問題である。 私たちは、すべてのデシダータを満たす効果的な方法を説明します。AIシステムをトレーニングして、それ自体の因果モデルを構築します。 この手法をシミュレーションした3次元環境に実装し、エージェントが忠実で意味論的に意味のある説明を生成する方法を示す。
  論文  参考訳（メタデータ） (2022-11-17T23:17:01Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)
• From Philosophy to Interfaces: an Explanatory Method and a Tool Inspired by Achinstein's Theory of Explanation [3.04585143845864]
  人工知能(AI)における新しい説明法を提案する。 我々は、AIアルゴリズムのパイプラインに基づいた対話型説明を生成するための新しいアプローチを示す。 我々はIBMによるよく知られたXAIによる信用承認システムで仮説を検証した。
  論文  参考訳（メタデータ） (2021-09-09T11:10:03Z)

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。