論文の概要: Hierarchical Compositionality for An Assistive AI Agent
- arxiv url: http://arxiv.org/abs/2608.10330v1
- Date: Tue, 11 Aug 2026 00:17:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.852388
- Title: Hierarchical Compositionality for An Assistive AI Agent
- Title（参考訳）: 補助的AIエージェントの階層的構成性
- Abstract要約: AIエージェントは、さまざまなアプリケーションで人間を支援するために、ますます開発されている。
これらの手法は印象的な予測器であるが、資源不足であり、不透明であり、新しい状況において任意の決定を下すことが知られている。
我々の研究は、AIの初期のパイオニアにさかのぼるコア原則に基づいて、そのようなAIエージェントのためのアーキテクチャの設計を探究することを目的としています。
- 参考スコア（独自算出の注目度）: 9.152759278163954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents are increasingly being developed to assist humans in various applications, and Large Language Models and other deep network architectures are considered to be state of the art for such agents. These methods are impressive stochastic predictors, but they are resource-hungry, opaque, and known to make arbitrary decisions in novel situations due to the narrow set of underlying representation and processing choices. Our work seeks to explore the design of architectures for such AI agents based on core principles that can be traced back to the early pioneers of AI but are not fully utilized in modern AI methods. We do so in this paper in the context of the core problem of AI agents addressing ambiguity in the objects being referred to by the human participants. Humans address such ambiguity by heuristically leveraging compositional knowledge of domain context and the preferences of the other human participants. Drawing inspiration from this observation, we describe an architecture that embeds the principle of hierarchical compositionality and uses simple heuristics to achieve the desired disambiguation. Specifically, domain objects are represented in terms of primitive attributes drawn from human-validated semantic feature norms, and a hierarchical combination of attributes and concepts automatically identified from a limited observed history of interactions of an assistive agent with specific users. The assistive agent then achieves the desired disambiguation by reasoning with knowledge of this compositional hierarchy; axioms governing domain dynamics; and models of semantic compatibility, session salience, and user-specific thematic preference, requesting human clarification when necessary. Experiments show that our approach consistently outperforms state of the art data-driven baselines, supporting adaptation to specific user profiles.
- Abstract（参考訳）: AIエージェントは、さまざまなアプリケーションで人間を支援するためにますます開発されており、Large Language Modelsや他のディープネットワークアーキテクチャは、そのようなエージェントの最先端であると考えられている。
これらの手法は目覚ましい確率的予測器であるが、リソース不足であり、不透明であり、基礎となる表現と処理の選択の幅が狭いため、新しい状況において任意の決定をすることが知られている。
我々の研究は、AIの初期パイオニアにさかのぼるが、現代のAI手法では十分に活用されていない、コア原則に基づいた、そのようなAIエージェントのためのアーキテクチャの設計を探究することを目的としています。
本稿では,人間が参照する対象のあいまいさに対処するAIエージェントの中核的問題について述べる。
人間は、ドメインコンテキストの構成的知識と、他の人間の参加者の好みをヒューリスティックに活用することで、このような曖昧さに対処する。
この観察からインスピレーションを得て、階層的な構成性の原則を組み込んだアーキテクチャを記述し、単純なヒューリスティックを用いて、望まれる曖昧さを実現する。
具体的には、ドメインオブジェクトは、人間の検証された意味的特徴ノルムから引き出されたプリミティブな属性と、特定のユーザとの補助エージェントのインタラクションの限られた履歴から自動的に識別される属性と概念の階層的な組み合わせで表現される。
次に、補助エージェントは、この構成階層の知識、ドメインダイナミクスの公理、セマンティック互換性、セッションサリエンス、ユーザ固有のテーマ選択のモデル、必要な時に人間の明確化を要求することによって、所望の曖昧さを達成する。
実験により、我々のアプローチは、最先端のデータ駆動ベースラインを一貫して上回り、特定のユーザプロファイルへの適応をサポートします。
関連論文リスト
- The Context Access Divide: Interaction-Level Architecture as a Complementary Dimension of Agentic Inequality [0.0]
名目上は同等のAIアクセスを持つ2人のユーザーは、質的に異なるAIユーティリティを経験することができる。
知的資本が数万のファイルにまたがる知識集約型労働者にとって、CAD(Context Access Divide)は、AIの有用性の質的なしきい値を構成する。
我々は、シャープなどのフレームワークを補完するが、再現できないAIによる不平等の次元として文脈性を提案する。
論文 参考訳（メタデータ） (2026-07-09T13:53:40Z) - Normative Common Ground Replication (NormCoRe): Replication-by-Translation for Studying Norms in Multi-agent AI [4.033017316711126]
我々は,人体実験の設計をMAAI環境に体系的に翻訳するために,ノルマティブ・コモン・グラウンド・レプリケーション(NormCoRe)を提案する。
本稿では,AIエージェント研究における規範的判断が人事基準と異なる可能性を示し,エージェントペルソナのインスタンス化に使用される基礎モデルと言語の選択に敏感であることを示す。
論文 参考訳（メタデータ） (2026-03-12T14:24:29Z) - 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) - Embedded Universal Predictive Intelligence: a coherent framework for multi-agent learning [57.23345786304694]
予測学習のための枠組みと自己予測を中心とした組込みエージェントを導入する。
マルチエージェント設定では、エージェントが類似したアルゴリズムを実行している他のエージェントについて推論することができる。
我々は、AIXIの理論を拡張し、Solomonoffから始まる普遍的なインテリジェントな埋め込みエージェントについて研究する。
論文 参考訳（メタデータ） (2025-11-27T08:46:48Z) - Generic-to-Specific Reasoning and Learning for Scalable Ad Hoc Teamwork [10.462598319732187]
本稿では,アドホックチームワークにおける推論と学習のための知識ベースおよびデータ駆動手法の相補的強みを活用することを提唱する。
任意の目的のために、我々のアーキテクチャは、各アドホックエージェントが非単調な論理的推論によってその動作を決定することを可能にする。
現実的な物理に基づく3Dシミュレーション環境であるVirtualHomeにおけるアーキテクチャの能力について実験的に評価した。
論文 参考訳（メタデータ） (2025-08-06T07:44:38Z) - AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
論文 参考訳（メタデータ） (2025-05-15T16:21:33Z) - Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。
我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
論文 参考訳（メタデータ） (2025-05-12T02:04:37Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - An In-depth Survey of Large Language Model-based Artificial Intelligence
Agents [11.774961923192478]
LLMベースのAIエージェントと従来のAIエージェントの主な違いと特徴について検討した。
我々は、計画、記憶、ツール使用を含むAIエージェントの重要なコンポーネントについて、詳細な分析を行った。
論文 参考訳（メタデータ） (2023-09-23T11:25:45Z) - Flexible and Inherently Comprehensible Knowledge Representation for
Data-Efficient Learning and Trustworthy Human-Machine Teaming in
Manufacturing Environments [0.0]
人工知能エージェントの信頼性は、産業生産環境における人間と機械の協調の受容に不可欠である。
我々はエージェントの知識を表現するために、G"ardenforsの認知的にインスピレーションを受けた概念空間フレームワークを利用している。
ファジィカテゴリのメンバシップを決定し、インスタンスを解釈可能に分類するために、シンプルな典型モデルがその上に構築されている。
論文 参考訳（メタデータ） (2023-05-19T11:18:23Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。