論文の概要: Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating
- arxiv url: http://arxiv.org/abs/2608.18058v1
- Date: Tue, 18 Aug 2026 17:51:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.434527
- Title: Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating
- Title（参考訳）: エージェントレコメンダシステムのデリゲーション非対称性:オンラインデートにおける2次元受容率の測定
- Abstract要約: 本研究では,会話をエージェントに委譲するだけでなく,他者からのエージェントによるコミュニケーションも受けられるという条件について検討する。
我々は,潜時回帰モデルに基づくエージェント受容率の潜時閾値測定モデルを開発した。
本稿では,情報開示,オプトイン力学,受容性を考慮したマッチメイキングなど,エージェントレコメンデータ設計の意義について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous LLM agents that converse on a user's behalf are an emerging design pattern in matching platforms, yet their viability depends on a condition rarely examined: users must accept not only delegating conversation to an agent, but also receiving agent-mediated communication from others. We study this condition using two large-scale surveys of active users of a major dating platform (N=2,894 on generative profile features; N=2,617 on autonomous conversational agents, fielded in two languages). We develop a latent-variable measurement model of agent receptivity based on graded response models with latent regression, and show via model comparison that willingness to send and willingness to receive agent communication are distinct constructs: highly correlated (rho=0.92) but separable (Delta BIC=52), with partial measurement invariance across languages. The model quantifies a systematic delegation asymmetry: deploying one's own agent requires far lower receptivity (threshold -0.38) than engaging a counterpart's agent (+0.32; full engagement +1.39), and mean deployment propensity exceeds engagement propensity roughly threefold. Under a random-pairing counterfactual derived from stated receptivity, only 4-13% of directed dyads combine agent deployment with receiver engagement, with a pronounced gender-directional imbalance. Design counterfactuals quantify the levers: a reciprocity requirement cuts interaction volume by half or more by excluding nearly two-thirds of would-be deployment, while routing agent contacts on receive receptivity triples per-contact engagement, a lift that survives out-of-sample validation with the target item held out (AUC 0.88, 3.1x quartile lift under respondent-level cross-validation). We discuss implications for agentic recommender design, including disclosure, opt-in mechanics, and receptivity-aware matchmaking.
- Abstract（参考訳）: ユーザの代理で会話する自律的LLMエージェントは、マッチングプラットフォームにおける新たなデザインパターンであるが、その生存可能性はほとんど検査されない条件に依存している。
本研究では,2つの大規模出会いプラットフォーム(N=2,894,N=2,617,N=2,617,N=2,894,N=2,617,N=2,894,N=2,894,N=2,894,N=2,617,N=2,617,2言語)のアクティブユーザを対象に,この状況を調査した。
潜時回帰を伴う格付けされた応答モデルに基づくエージェント受容率の潜時可変測定モデルを構築し,エージェント通信を受信する意思と意思は,高い相関性 (rho=0.92) と分離性 (Delta BIC=52) と,言語間の部分的測定不変性を示すモデル比較を行った。
自己のエージェントを配置するには、相手エージェント(+0.32; full engagement +1.39)よりもはるかに低い受容性(threshold -0.38)が必要である。
受容性から導かれるランダムペアリングのカウンターファクトの下では、エージェントの配置と受信者のエンゲージメントを結合する指向性ダイアドのわずか4-13%と、明らかにジェンダー指向の不均衡が組み合わされる。
相互性要件は、配置の約3分の2を除外して、相互作用量を半分以上削減し、一方、ルーティングエージェントは、受信感度の3倍の接触を接触させる(応答レベルクロスバリデーションの下で、ターゲットアイテムとサンプル外の検証を継続するリフト(AUC 0.88, 3.1x)。
本稿では,情報開示,オプトイン力学,受容性を考慮したマッチングなど,エージェントレコメンデータ設計の意義について論じる。
関連論文リスト
- Agents That Model Agents: Five Principles Toward a Theory of Mind for 6G Networks [24.187937610076265]
6Gネットワークは、Radio Access Network (RAN)を管理するためにLarge Language Model (LLM)エージェントに依存する。
現在のアーキテクチャでは、エージェント間メッセージは客観的な事実を伝える。
メッセージは送信者の推論の例証である。
論文 参考訳（メタデータ） (2026-09-01T18:49:44Z) - Benchmarking the Personalization Capabilities of Large Language Models [18.115699104947467]
パーソナライゼーション(Personalization)とは、送信者、チャンネル、タイムを固定しながら、特定の受信者からアクションを誘導するメッセージを変更する行為である。
我々は、カメニカとゲンツコーのベイズ的説得フレームワーク(2011年)を生成エージェントに適用し、販売における定式化をインスタンス化する。
我々は、一貫したパーソナライゼーションの台地を観察し、Fortune 100のテクノロジーコホートでは、統計的に成功しないアウトリーチと成功を区別しない。
論文 参考訳（メタデータ） (2026-05-23T18:16:54Z) - ProactBench: Beyond What The User Asked For [5.422521416406412]
ProactBenchは、textscEmergent、単一の公開アンカーからの推論、textscCritical、複数のアンカー間での合成、textscRecovery、タスク完了後の前方にある値の3つのフェーズ型に分解する。
我々の情報アシンメトリーは、スタイル強調スコア、漏洩、外部コンテキスト汚染、情報ダンプに対して防御します。
論文 参考訳（メタデータ） (2026-05-09T23:56:04Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - AgentV-RL: Scaling Reward Modeling with Agentic Verifier [63.55502685076245]
試験時間スケーリング(TTS)によるLCM推論を強化する検証器が実証されている。
本稿では,報酬モデリングを多ターンツール拡張型検討プロセスに変換するフレームワークであるエージェント検証を提案する。
Agentic Verifier は並列およびシーケンシャルTS の両方で一貫した性能向上が得られることを示す。
論文 参考訳（メタデータ） (2026-04-17T12:27:36Z) - Breaking User-Centric Agency: A Tri-Party Framework for Agent-Based Recommendation [59.362016745945375]
第1回LLM-Adnt Recommendation framework(TriRec)を提案する。
TriRecは、ユーザユーティリティ、アイテム露出、プラットフォームレベルの公正性を明示的に調整する。
精度、公平性、およびアイテムレベルのユーティリティにおいて、一貫した利得を示す。
論文 参考訳（メタデータ） (2026-03-11T11:40:13Z) - Reasoning-Aware Prompt Orchestration: A Foundation Model for Multi-Agent Language Model Coordination [0.0]
複数の特殊エージェント間の推論を強化する動的プロンプトオーケストレーションのための理論的基盤となるフレームワークを提案する。
このフレームワークは,エージェント移行時の論理的一貫性の維持,推論対応の迅速な適応,分散推論のスケーラブルな調整,という3つの課題に対処する。
1000件の合成マルチエージェント会話実験の結果,推論遅延の42%低減,ROUGE-Lスコアによる論理的整合性の23%改善,文脈損失のないタスク完了の89%の成功率が確認された。
論文 参考訳（メタデータ） (2025-09-30T22:33:01Z) - STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。
我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。
MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-08-26T08:47:58Z) - Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。
この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。
このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
論文 参考訳（メタデータ） (2025-06-06T08:42:34Z) - Concept Matching with Agent for Out-of-Distribution Detection [19.407364109506904]
本稿では,エージェントパラダイムをアウト・オブ・ディストリビューション(OOD)検出タスクに統合する手法を提案する。
提案手法であるConcept Matching with Agent (CMA) は、CLIPに基づくOOD検出プロセスを強化するために、中性プロンプトをエージェントとして利用する。
実験結果から, ゼロショット法とトレーニング要求法の両方よりもCMAの方が優れた性能を示した。
論文 参考訳（メタデータ） (2024-05-27T02:27:28Z) - Elastic Weight Removal for Faithful and Abstractive Dialogue Generation [61.40951756070646]
対話システムは、関連する文書に含まれる知識に忠実な応答を生成するべきである。
多くのモデルは、それと矛盾したり、検証不可能な情報を含んでいる代わりに幻覚応答を生成する。
本手法は,幻覚と抽出反応を同時に阻止するために拡張できることが示唆された。
論文 参考訳（メタデータ） (2023-03-30T17:40:30Z)
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。