Fugu-MT 論文翻訳(概要): AI YOU Town: Make Friends and Money with Your Digital Twin

論文の概要: AI YOU Town: Make Friends and Money with Your Digital Twin

arxiv url: http://arxiv.org/abs/2607.10539v1
Date: Sun, 12 Jul 2026 02:44:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 15:40:48.461264
Title: AI YOU Town: Make Friends and Money with Your Digital Twin
Title（参考訳）: AI YOU Town:デジタルツインで友達とお金を作る
Abstract要約: 会話から22次元の人格プロファイルを継続的に更新するフレームワークである textbfAI YOU を提案する。定期的にリフレッシュされたメモリアンカーと3層からなる認知記憶は、長い相互作用に対してペルソナの一貫性を保つ。プロトタイプのEmphAI YOU Townは、未来の対話のための想像上のツインワールドを初期化する。
参考スコア（独自算出の注目度）: 17.778627207521655
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Existing approaches to infer user traits and generate responses consistent with a persona rely on static prompting. They lack calibrated uncertainty, ignore sequential evidence, and drift during long interactions. We present \textbf{AI YOU}, a framework that continually updates a personality profile with 22 dimensions from conversation and embodies it in a personal digital twin. Practically, the system combines prompting, Bayesian updating, and conformal prediction for persona inference. A periodically refreshed memory anchor and cognitive memory with three layers preserve persona consistency over long interactions. Across the main results, AI YOU \emph{(i)} achieves conformal coverage ranging from 0.921 to 0.976, \emph{(ii)} improves uncertainty calibration and reasoning grounded in memory, and \emph{(iii)} enhances persona fidelity over static prompting in role playing over 100 turns while reducing trait drift, for most evaluated backbones under adversarial settings with multiple agents. The prototype \emph{AI YOU Town} initializes an imaginative twin world for future interaction. The online demo is available at \href{https://quinnnnnne-ai-you.hf.space/}{\mbox{\texttt{quinnnnnne-ai-you.hf.space}}}.
Abstract（参考訳）: ユーザ特性を推測し、ペルソナと整合した応答を生成する既存のアプローチは、静的なプロンプトに依存している。校正された不確実性を欠き、シーケンシャルな証拠を無視し、長い相互作用の間に漂流する。本稿では,会話から22次元の人格プロファイルを継続的に更新し,個人用デジタルツインに組み込むフレームワークである「textbf{AI YOU}」を紹介する。実際には、このシステムはプロンプト、ベイジアン更新、そしてペルソナ推論の共形予測を組み合わせたものだ。定期的にリフレッシュされたメモリアンカーと3層からなる認知記憶は、長い相互作用に対してペルソナの一貫性を保つ。主な成果、AI YOU \emph{ i)} は 0.921 から 0.976, \emph{ (ii)メモリ上の不確実性校正と推論を改善し、\emph{ (iii)} は, 複数のエージェントを交互に配置したバックボーンにおいて, 100回以上のロールプレイングにおいて, スタティック・プロンプトよりもペルソナの忠実度を高めるとともに, 特性ドリフトを低減させる。プロトタイプの「emph{AI YOU Town」は、未来の対話のための想像上のツインワールドを初期化する。オンラインデモは \href{https://quinnnnnne-ai-you.hf.space/}{\mbox{\textt{quinnnnnne-ai-you.hf.space}}} で公開されている。

関連論文リスト

ThinkFlow: Self-Evolving Probabilistic Latent Memory for Lifelong Conversational Agents [30.033481918192987]
ThinkFlowは、生涯にわたる会話エージェントのための新しいエンドツーエンドの潜在メモリフレームワークである。会話フローを確率的潜在メモリスキルに圧縮することで、テキストボトルネックを回避します。拡張されたマルチセッションインタラクションに対して、高度にパーソナライズされ、文脈的に正確な応答を提供する。
論文参考訳（メタデータ） (2026-09-15T11:21:39Z)
AdaMem: Learning What to Remember for Personalized Long-Horizon LLM Agents [79.03892269184145]
我々は、記憶に値するものはロール依存であり、 textbfAdaMem (Adaptive Memory)を提案する。 AdaMemは、メモリ容量をtextbf9%削減しながら、均一なMem0ベースライン上で textbf+9.0% まで精度を向上する。
論文参考訳（メタデータ） (2026-06-19T06:35:52Z)
Robust Dreamer: Deviation-Aware Latent Gaussian Memory for Action-Controlled AR Video Generation [89.70897512515477]
アクション制御された画像対ビデオ生成は、インタラクティブな世界シミュレーションにおいて有望なパラダイムであり、各制御信号が即時視覚応答を誘発する。長時間の自己回帰的なロールアウトに対する視覚的忠実さと3D一貫性を維持することは依然として難しい。既存の3D認識手法は、textitLatent--RGB Cyclingからの情報損失と、textiterror-free仮説によって引き起こされるトレーニング-推論ギャップという2つの障害により、破滅的なドリフトに悩まされることが多い。 textbfRobust Dreamerという,メモリ拡張フレームワークについて紹介する。
論文参考訳（メタデータ） (2026-05-29T05:21:33Z)
When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning [60.714416943748866]
シングルストリームの自己回帰インターフェースでは、同じトークンがモデル状態を更新し、不可逆的な公約を構成する。そこで我々は,Side-by-Side (SxS) Interleaved Reasoningを導入する。
論文参考訳（メタデータ） (2026-05-05T02:59:58Z)
From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models [81.43473418572567]
CTR(Click-Through Rate)予測は、レコメンデーションシステムにおける中核的なタスクである。本稿では,埋め込み次元の崩壊と情報冗長性に対処する新しい生成フレームワークを提案する。 SFGは埋没崩壊を緩和し,情報冗長性を低減し,性能向上を図っている。
論文参考訳（メタデータ） (2025-12-16T03:17:18Z)
PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory [56.81126490418336]
パーソナライゼーションは、AI能力とアライメントの進歩における次のマイルストーンの1つだ。 PersonaMem-v2は300以上のシナリオ、20,000以上のユーザの好み、128kのコンテキストウィンドウで、1,000の現実的なユーザ-チャットボットインタラクションをシミュレートする。我々はQwen3-4BをトレーニングしてGPT-5を上回り、暗黙のパーソナライゼーションにおいて53%の精度を達成した。
論文参考訳（メタデータ） (2025-12-07T06:48:23Z)
The Adaptation Paradox: Agency vs. Mimicry in Companion Chatbots [0.0]
視覚的ユーザオーサシップと包括的言語スタイルの模倣の2つの経路をテストする。ユーザ主導のパーソナライゼーションとスタイリスティックなシフトの制限を優先すべきである。
論文参考訳（メタデータ） (2025-09-16T00:02:27Z)
HumAIne-Chatbot: Real-Time Personalized Conversational AI via Reinforcement Learning [0.4931504898146351]
textbfHumAIne-chatbotはAIによる会話エージェントで、新しいユーザプロファイリングフレームワークを通じて応答をパーソナライズする。ライブインタラクションの間、オンライン強化学習エージェントは暗黙の信号を組み合わせることで、ユーザ毎のモデルを洗練する。その結果、パーソナライズ機能を有効にすると、ユーザ満足度、パーソナライズ精度、タスク達成度が一貫した改善が見られた。
論文参考訳（メタデータ） (2025-09-04T15:16:38Z)
Best Practices for 2-Body Pose Forecasting [58.661899246497896]
我々は、人間のポーズ予測の進捗状況を概観し、最善を尽くす一対一の実践を詳細に評価する。他の1人のプラクティスは2体に移行しないため、提案されているベストプラクティスは階層的なボディモデリングや注目に基づくインタラクションエンコーディングは含まない。提案した2体ポーズによるベストプラクティス予測では,最新のExPIデータセットのパフォーマンスが21.9%向上した。
論文参考訳（メタデータ） (2023-04-12T10:46:23Z)
Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
論文参考訳（メタデータ） (2020-09-16T06:33:35Z)
Characterizing Hirability via Personality and Behavior [4.187572199323744]
本研究は,emphFirst Impressions Candidate Screening データセットにおける人格と人格の関係について検討する。 A)見かけの人格アノテーション,および(b)音声,視覚的,テキストによる人格推定を用いて得られた人格推定を用いて,人格予測を行う(HP)。また,1)マルチモーダル行動から人格を推定し,(2)人格推定からHPを推定する2段階のプロセスの有効性についても検討した。
論文参考訳（メタデータ） (2020-06-22T07:24:22Z)

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。