論文の概要: Governing Delegation to Generative Artificial Intelligence: Human Direction, Work-Related Orientation, and Modes of Use
- arxiv url: http://arxiv.org/abs/2608.17624v1
- Date: Tue, 18 Aug 2026 10:40:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.308051
- Title: Governing Delegation to Generative Artificial Intelligence: Human Direction, Work-Related Orientation, and Modes of Use
- Title（参考訳）: ジェネレーティブ・人工知能への委任統治--人的方向、作業関連オリエンテーション、利用形態
- Abstract要約: 認知操作を生成的人工知能に委譲し、実行を再配布する。
特定デリゲートと反復的共生産の2つの経路について検討する。
作業関連のオリエンテーションは、以前の人間の方向の強い痕跡と関連付けられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Delegating cognitive operations to generative artificial intelligence redistributes execution and raises a governance problem: where human direction of the task remains. We distinguish two routes. Specified delegation places that direction before execution, through instructions, constraints, or criteria that delimit the task. Iterative coproduction places it during production, through interventions that correct or redirect provisional outputs. To examine both routes, we use aggregate monthly cells from the Anthropic Economic Index for April and May 2026. The AEI distinguishes two modes of use: 1P API, which corresponds to direct traffic through Anthropic's API, and Claude.ai, which combines activity from Chat and Cowork. On this basis, we test whether a stronger work-related orientation of human-AI interaction is associated with more specified delegation within each mode and whether the increase in the iterative profile is greater in Claude.ai than in 1P API. The main analysis uses level-0 O*NET tasks and estimates how both profiles change when an eligible record reallocates ten percentage points from personal use to work-related use. The iterative comparison is restricted to 1,411 node-month pairs observed and eligible in both modes. Specified delegation increases by 2.76 points in 1P API (95% CI: [2.30, 3.22]) and by 1.45 in Claude.ai (95% CI: [0.93, 1.97]). On the common support, iterative coproduction changes by-0.30 points in 1P API and by 0.15 in Claude.ai, yielding a between-mode difference of 0.45 points (95% CI: [0.15, 0.75]). These findings show that work-related orien tation is associated with stronger traces of prior human direction and that the observable iterative response varies across modes of use. The article shifts attention from how much the AI executes to when human direction leaves observable traces.
- Abstract（参考訳）: 認知操作を生成的人工知能に委譲することは、実行を再分配し、そのタスクの人間の指示が残るというガバナンス上の問題を提起する。
2つのルートを区別する。
指定されたデリゲートは、実行前に、命令、制約、あるいはタスクを分離する基準を通じて、その方向を指定します。
反復的生産は、一時的な出力を修正またはリダイレクトする介入を通じて、生産中にそれを配置する。
両ルートを調査するため,2026年4月から5月にかけて,人類経済指数の集計セルを用いた。
AEIは、AnthropicのAPIを通じて直接トラフィックに対応する1P APIと、ChatとCoworkのアクティビティを組み合わせたClaude.aiの2つのモードを区別している。
そこで本研究では,人間とAIのインタラクションにおいて,より強い作業関連指向が各モード内でより特定されたデリゲートに関連付けられているか,反復プロファイルの増加がClaude.aiの方が1P APIよりも大きいかを検証した。
主な分析では、レベル0のO*NETタスクを使用し、適格レコードが個人使用から仕事関連の使用までの10ポイントを割り当てたとき、両方のプロファイルがどのように変化するかを推定する。
反復比較は観測され、両方のモードで適用可能な1,411のノード月ペアに制限される。
特定デリゲートは1P APIで2.76ポイント(95% CI: [2.30, 3.22])、Claude.aiで1.45ポイント(95% CI: [0.93, 1.97])増加する。
共通のサポートでは、1P APIでは0.30ポイント、Claude.aiでは0.15ポイントで反復的コプロダクションは0.45ポイント(95% CI: [0.15, 0.75])となる。
これらの結果から, 作業関連オリエンテーションは, 先行するヒトの方向の強い痕跡と関連しており, 観察可能な反復応答は使用形態によって異なることが示唆された。
記事は、AIがどれだけ実行するかから、人間の方向が観測可能な痕跡を残しているかに注意を向けている。
関連論文リスト
- Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models [15.173629384871013]
VLA(Vision-Language-Action)モデルは、マルチモーダルコンテキストをロボットアクションに変換することができるが、そのアクションデコーダは行動クローニングによって主に訓練されている。
Intention Distillation (INDI) を提案する。
論文 参考訳（メタデータ） (2026-08-24T16:42:49Z) - Token Optimization and Context Window Management in Multi-Agent AI Workflows [0.0]
マルチエージェントAI合成は、モデル品質だけでなく、トークンコスト、レイテンシ、コンテキストウィンドウ品質によって制限されている。
本稿では,トークン最適化とコンテキストウィンドウ管理のための実践的フレームワークを提案する。
運用では、約3.5-10.5分間の運用ベースラインから61-116秒のコールドロード遅延を計測し、60-70%のトークン削減を見積もった。
論文 参考訳（メタデータ） (2026-08-17T22:56:50Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - Using Learning Progressions to Guide AI Feedback for Science Learning [9.90590245204881]
生成人工知能(AI)は、フォーマティブフィードバックのスケーラブルなサポートを提供する。
効果的ではあるが、ルーリックオーサリングは時間がかかり、命令コンテキスト間のスケーラビリティが制限される。
本研究では、LP駆動のルーブリック生成パイプラインが、専門家によるタスクルーブリックによるフィードバックに匹敵する品質のAI生成フィードバックを生成できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-03-03T18:39:58Z) - Comparing AI Coding Agents: A Task-Stratified Analysis of Pull Request Acceptance [4.424336158797069]
この記事では、AIを利用した一般的な5つのコーディングアシスタント(OpenAI Codex、GitHub Copilot、Devin、Cursor、Claude Code)を比較します。
デビンは受容率において唯一一貫した正の傾向を示す(32週間で週0.77%以上)。
分析の結果,PRタスクタイプが受入率に影響を及ぼす主要な要因であることが示唆された。
論文 参考訳（メタデータ） (2026-02-09T17:14:46Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z) - Temporal Interest Network for User Response Prediction [33.95334897033641]
本稿では,行動と対象間の意味的・時間的相関を同時に捉えるための時間的関心ネットワーク(TIN)を提案する。
TINは2023年10月から運用に成功し、WeChat Momentsのトラフィックに対応している。
論文 参考訳（メタデータ） (2023-08-15T05:48:44Z) - DOAD: Decoupled One Stage Action Detection Network [77.14883592642782]
人々をローカライズし、ビデオからアクションを認識することは、ハイレベルなビデオ理解にとって難しい課題だ。
既存の手法は主に2段階ベースで、1段階は人物境界ボックス生成、もう1段階は行動認識を行う。
本稿では、時間的行動検出の効率を向上させるために、DOADと呼ばれる分離したワンステージネットワークを提案する。
論文 参考訳（メタデータ） (2023-04-01T08:06:43Z) - LSTC: Boosting Atomic Action Detection with Long-Short-Term Context [60.60267767456306]
我々は行動認識パイプラインを短期的・長期的依存に分解する。
本設計では, 局所集約分枝を用いて, 密集した情報的短期的手がかりを収集する。
両方のブランチは、コンテキスト固有のアクションを独立して予測し、結果が最後にマージされる。
論文 参考訳（メタデータ） (2021-10-19T10:09:09Z) - Analyzing and Mitigating Interference in Neural Architecture Search [96.60805562853153]
本研究では、異なる子モデルをサンプリングし、共有演算子の勾配類似度を計算することで干渉問題を解明する。
これら2つの観測から着想を得て、干渉を緩和するための2つのアプローチを提案する。
検索したアーキテクチャは、RoBERTa$_rmbase$が1.1、0.6、ELECTRA$_rmbase$が1.6、テストセットであるGLUEベンチマークで1.1より優れています。
論文 参考訳（メタデータ） (2021-08-29T11:07:46Z) - Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。
最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。
ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
論文 参考訳（メタデータ） (2020-12-21T09:04:27Z)
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。