論文の概要: BoardroomAI: Dependency-Aware Human-Steerable Multi-Agent Deliberation through Evolving Decision Graphs
- arxiv url: http://arxiv.org/abs/2608.13046v1
- Date: Thu, 13 Aug 2026 10:11:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.473158
- Title: BoardroomAI: Dependency-Aware Human-Steerable Multi-Agent Deliberation through Evolving Decision Graphs
- Title（参考訳）: BoardroomAI: 意思決定グラフの進化による従属型マルチエージェントの議論
- Abstract要約: BoardroomAIは、人間を、挑戦的な仮定、制約の変更、優先順位の変更、証拠の導入、意思決定プロセスのリダイレクトによって介入できる永続的な参加者として扱う。
i) 証拠,仮定,制約,クレーム,異議,代替案,リスク,決定,セマンティック依存関係,専門的責任を表す型付き決定グラフ,(ii) 確認されたヒューマンアクションを明示的なグラフ更新に変換する介入コンパイラ,(iv) 介入の影響、修復カバレッジ、保存、再計算、決定妥当性を測定する評価フレームワーク。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Organizational decisions are co-created while evidence, constraints, and human priorities continue to evolve. In conventional transcript-based multi-agent systems, humans typically provide an initial problem, agents deliberate internally, and the system returns a final response. BoardroomAI instead treats the human as a persistent participant who can intervene by challenging assumptions, modifying constraints, changing priorities, introducing evidence, or redirecting the decision process. We operationalize this human--agent coexistence through four components: (i) a typed decision graph representing evidence, assumptions, constraints, claims, objections, alternatives, risks, decisions, semantic dependencies, and specialist responsibility; (ii) an intervention compiler that converts confirmed human actions into explicit graph updates; (iii) dependency-aware propagation that identifies affected subgraphs, preserves unaffected artifacts, and selectively reactivates relevant specialists; and (iv) an evaluation framework measuring intervention impact, repair coverage, preservation, recomputation, and decision validity. Across 600 generated decision-DAG interventions, propagation matched exhaustive impact computation while inspecting only 14.59% of nodes. In a 12-case exploratory pilot, selective repair recomputed 62.11% of canonical nodes, preserved all gold-unaffected nodes, and produced valid updated decisions in six cases while abstaining in the remaining six. These abstentions show that correct intervention routing may still provide insufficient context for synthesis, motivating a \emph{decision-sufficient context closure} for human-steered multi-agent deliberation. All results are synthetic and prototype-level.
- Abstract（参考訳）: 組織的な決定は共同で作成され、証拠、制約、人間の優先順位は進化し続けます。
従来のトランスクリプトベースのマルチエージェントシステムでは、人間は通常初期問題を提供し、エージェントを意図的に内部に配置し、システムは最終的な応答を返す。
ボードルームAIは人間を、挑戦的な仮定、制約の変更、優先順位の変更、証拠の導入、意思決定プロセスのリダイレクトによって介入できる永続的な参加者として扱う。
私たちは4つのコンポーネントを通してこの人間-エージェント共存を運用します。
一 証拠、前提、制約、クレーム、異議、代替案、リスク、決定、意味的依存関係及び専門的責任を表す型付き決定グラフ
(ii) 確認された人間の動作を明示的なグラフ更新に変換する介入コンパイラ
三 影響を受ける部分図を識別し、影響を受けない人工物を保存し、関係する専門家を選択的に再活性化する従属意識の伝播
四 介入の影響、補修範囲、保存、再計算及び決定妥当性を測定するための評価枠組み。
600を超える決定-DAG介入が発生し、伝播は14.59%のノードを検査しながら、徹底的な影響計算と一致した。
12ケースの探索パイロットでは、選択的な修復により62.11%の標準ノードが再計算され、すべての金の影響を受けないノードが保存され、残りの6つのノードを停止しながら6ケースで有効な更新決定が得られた。
これらの棄却は、正しい介入経路が依然として合成に不十分な文脈を提供しており、人間によるマルチエージェント検討のための 'emph{decision-sufficient context closure' を動機付けていることを示している。
すべての結果は、合成およびプロトタイプレベルである。
関連論文リスト
- Towards Trustworthy Autonomous Robots: An Explainable AI-Based Decision Framework [0.0]
TRACE(Transparent Reasoning Architecture for Credible Execution)は、すべての自律的なアクションをセンサエビデンスに遡ることができるようにするための決定フレームワークである。
TRACEはモデルに依存しないが、決定レベルの監査性を維持しながら学習ベースの知覚モジュールを統合するように設計されている。
筆者らは,3つの客観的指標を用いて,エビデンストレーサビリティ(センサ間リンク),決定再構成性(ポストホック解析能力),時間連続性(聴覚路完全性)の評価を行った。
論文 参考訳（メタデータ） (2026-09-02T17:44:25Z) - Counterfactual, Per-Decision Bias Auditing for Automated Hiring: Localizing and Explaining Disparate Impact in Applicant Tracking Systems [0.0]
本稿では,AIバイアスファイアウォール(AIBF)について紹介する。
AIBFは、候補者の保護属性プロキシを中和し、決定を再スコアし、結果として生じる反事実シフトを測定する。
我々は、合成データではなく、アダルトとCompASの2つの実際の公開データセットを評価する。
論文 参考訳（メタデータ） (2026-08-21T18:19:20Z) - 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) - Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model [67.84198127797005]
逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。
本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
論文 参考訳（メタデータ） (2026-08-10T07:46:13Z) - Causal Algorithmic Recourse: Foundations and Methods [57.73269033551628]
AIシステムの主な特徴は、個人が否定的な決定を覆す方法のレコメンデーションを提供する能力である。
既存のアプローチでは、recourseの結果を固定単位の反事実として扱う。
我々は、事前および事後結果のプロセスとして、会話をモデル化する因果的枠組みを開発する。
論文 参考訳（メタデータ） (2026-05-12T00:55:19Z) - IMPACT-HOI: Supervisory Control for Onset-Anchored Partial HOI Event Construction [72.51952455865155]
我々は,エゴセントリックなプロシージャビデオに注釈を付けるための混合開始型フレームワークIMPACT-HOIを提案する。
IMPACT-HOIは、このタスクを部分的に指定され、オンセットされたイベント状態の漸進的な解決として捉えている。
9人の参加者によるユーザスタディでは、手動のアノテーションアクションが13.5%減少し、46.67%のイベントマッチレート、確認されたフィールド違反がゼロである。
論文 参考訳（メタデータ） (2026-05-03T01:37:40Z) - Decision Evidence Maturity Model for Agentic AI: A Property-Level Method Specification [0.0]
エージェントAIシステムは、実行テレメトリを通じて大規模な意思決定証拠を生成するが、プロパティレベルの再構築は失敗することが多い。
このパターンをコンテナ誤認(container fallacy)と呼んでいます。
本稿では,エージェント決定のための特性レベル再構成法であるDecision Evidence Maturity Model (DEMM)を提案する。
論文 参考訳（メタデータ） (2026-04-29T09:59:36Z) - Biased Error Attribution in Multi-Agent Human-AI Systems Under Delayed Feedback [0.0]
マルチエージェント型ヒューマンAIタスクにおいて、遅延結果が意思決定や責任帰属を形作るかを検討する。
非対称な反応の利得と損失を観察し, 負の結果の補正がより強くなった。
我々は,この現象を帰属バイアスの一形態として言及し,遅延フィードバック下での誤り帰属として現れる。
論文 参考訳（メタデータ） (2026-03-24T16:52:14Z) - When Should Humans Step In? Optimal Human Dispatching in AI-Assisted Decisions [2.7755032786791003]
我々は,人間-AI協調のための一般的な意思決定理論の枠組みを提案する。
我々は、AIアセスメントを要因レベルの信号として扱い、人間の判断を、選択的に取得できるコストの高い情報として扱う。
当社のフレームワークをAI支援ピアレビューに適用する。
論文 参考訳（メタデータ） (2026-03-14T01:47:38Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z)
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。