論文の概要: Human-AI Co-Interpretation for Responsible AI: A Hermeneutic Perspective
- arxiv url: http://arxiv.org/abs/2609.00334v1
- Date: Sun, 02 Aug 2026 18:19:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-06 19:38:41.476164
- Title: Human-AI Co-Interpretation for Responsible AI: A Hermeneutic Perspective
- Title（参考訳）: 責任あるAIのための人間とAIの共解釈:ハーメネティックな視点
- Abstract要約: 経験的理解はトークン予測に基づくテキスト生成と区別される。
ハーメニューティックな理解は、学際的な歴史的言語学の伝統にある説明可能な人間の通訳に限られている。
経験的理解はトークン予測に基づくテキスト生成と区別される。
- 参考スコア（独自算出の注目度）: 4.832750949021042
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Across law, education, policy analysis, and public moral argumentation, LLM outputs are being used often for work that requires interpretations to be justified with textual evidence and explicit normative standards. Yet a recurrent failure mode -- what I call \textit{interpretive misplacement} -- is that model-generated readings get treated as settled meanings without an explicit interpretive frame (sources, scope constraints, normative commitments), without preserving defensible alternatives, and without provenance that lets readers find the supporting passages. In such settings, the risk is not only factual error but lost accountability: readers and institutions cannot reliably assess what an output commits them to, or on what basis. Drawing on philosophical hermeneutics, this paper discusses this risk and derives design principles for structuring human-AI co-interpretation. The paper also provides a structured synthesis of recent scholarship on hermeneutics and AI, organizing this emerging literature into a set of recurrent lines of argument and design-relevant gaps. LLM outputs are treated as candidate readings, whereas hermeneutic understanding is reserved for accountable human interpreters situated in disciplinary historical-linguistic traditions. Human-AI interaction is characterized as an AI-mediated interpretive loop. Hermeneutic understanding is distinguished from token-prediction--based text generation. On this basis, existing LLM techniques are reorganized into design patterns for hermeneutically responsible use in interpretive settings. Finally, the discussion turns to implications for legal practice, educational assessment and feedback, scholarly knowledge production, and public moral argumentation. It also treats digital hermeneutics as a literacy: the capacity to read AI-mediated texts by examining frames, provenance, and readings, and by contesting outputs.
- Abstract（参考訳）: 法律、教育、政策分析、公的な道徳的議論を通じて、LLMのアウトプットは、テキストの証拠と明示的な規範的基準によって正当化される解釈を必要とする作業にしばしば使用される。
しかし、リカレント障害モード -- 私が‘textit{interpretive misplacement}’と呼ぶ -- は、明確な解釈フレーム(ソース、スコープの制約、規範的なコミットメント)なしで、防御可能な代替品を保存せず、読者がサポートパスを見つけることのできない、定型的な意味として扱われる、ということです。
このような設定では、リスクは事実的エラーであるだけでなく、説明責任を失う。
本稿では,このリスクを論じ,人間とAIの共解釈を構築するための設計原則を導出する。
この論文は、近年のハーモネティクスとAIに関する奨学金の構造化された合成も提供し、この新たな文献を一連の議論と設計関連ギャップにまとめる。
LLMのアウトプットは候補読解として扱われるが、解釈は学際的な歴史的言語学の伝統にある説明可能な人間の通訳に限られる。
人間とAIの相互作用は、AIによる解釈ループとして特徴づけられる。
経験的理解はトークン予測に基づくテキスト生成と区別される。
このことから,既存のLCM技術は,解釈的セッティングにおけるハーメネティックな役割を負う設計パターンに再構成される。
最後に、この議論は法的な実践、教育評価とフィードバック、学術的知識生産、そして公的な道徳的議論に意味をなしている。
また、デジタル・ハーメニューティクスをリテラシーとして扱う: フレーム、証明、読み、そして出力の競合によってAIによるテキストを読む能力である。
関連論文リスト
- A Practice Auditing Framework for Large Language Model Use: Collective Empiricism, Pseudo-Rational Cognition, and Governance of AI-Generated Content [9.414394075880033]
本稿では,LLM利用とAI生成コンテンツガバナンスのための実践監査フレームワークを提案する。
本稿は,AIの主観的錯覚,入力材料における主観的構造,AI-AI会話におけるテンプレートループ,AIGC検出における統計的誤判断,生成したコンテンツが将来的なコンテキストに入る際のメモリ汚染を解析する。
論文 参考訳（メタデータ） (2026-06-02T00:46:47Z) - When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。
BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。
我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
論文 参考訳（メタデータ） (2026-03-20T14:46:59Z) - Why the Valuable Capabilities of LLMs Are Precisely the Unexplainable Ones [0.786119752211706]
論文は、大きな言語モデル(LLM)の真に価値のある能力は、人間の可読性を持つ離散ルールによって完全に捕捉できない部分にある、と論じている。
本稿では,解釈可能性研究,AI安全性,科学的解釈可能性について論じる。
論文 参考訳（メタデータ） (2026-03-16T13:12:35Z) - Ambiguity Collapse by LLMs: A Taxonomy of Epistemic Risks [5.45414933764086]
大規模言語モデル(LLM)はあいまいで、オープンなテクスチャ付き、バリューラインドな言葉を理解するためにますます使われています。
本稿では,LLMが複数の正当解釈を真に認める用語に遭遇するが,特異解を生成する現象であるあいまいさ崩壊を紹介する。
論文 参考訳（メタデータ） (2026-03-06T01:23:17Z) - Legal interpretation and AI: from expert systems to argumentation and LLMs [0.0]
AIと法の研究は、その進化したアプローチと方法論の文脈において、異なる方法で法的な解釈に直面してきた。
専門家システムの研究は、人間が生成した解釈を知識ベースに転送できることを保証することを目的として、法的な知識工学に重点を置いている。
議論に関する研究は、解釈的議論の構造とそれらの弁証的相互作用を表現することを目的としている。
機械学習の研究は、一般化された特殊化された言語モデルを通して、解釈的提案と議論の自動生成に焦点を当てている。
論文 参考訳（メタデータ） (2026-03-05T17:22:56Z) - Understanding Textual Capability Degradation in Speech LLMs via Parameter Importance Analysis [54.53152524778821]
言語モデル(LLM)への音声の統合は、その能力を大幅に拡張したが、多くの場合、中核となるテキスト能力の弱さを犠牲にしている。
本稿では,パラメータ重要度推定に基づく分析フレームワークを提案する。
レイヤワイズ学習率スケジューリングとローランド適応(LoRA)の2つの緩和戦略について検討する。
実験結果から,両手法は完全な微調整よりもテキスト能力の維持が良好であるとともに,下流の質問応答性能も向上していることがわかった。
論文 参考訳（メタデータ） (2025-09-28T09:04:40Z) - Liaozhai through the Looking-Glass: On Paratextual Explicitation of Culture-Bound Terms in Machine Translation [70.43884512651668]
我々は、文学・翻訳研究からジェネットのパラテキスト論(1987年)を定式化し、機械翻訳におけるパラテキスト明示の課題を紹介した。
古典中国語の短編集集Liaozhaiの4つの英訳から560の専門家対応パラテキストのデータセットを構築した。
本研究は,言語的等価性を超えた機械翻訳におけるパラテクスト的明示の可能性を示すものである。
論文 参考訳（メタデータ） (2025-09-27T16:27:36Z) - Are Language Models Consequentialist or Deontological Moral Reasoners? [75.6788742799773]
我々は、大規模言語モデル(LLM)が提供する道徳的推論トレースの大規模分析に焦点をあてる。
我々は,2つの主要な規範的倫理理論,つまり連続主義と非オントロジーを体系的に分類するために,道徳的論理学の分類を導入し,検証する。
論文 参考訳（メタデータ） (2025-05-27T17:51:18Z) - Interpretation modeling: Social grounding of sentences by reasoning over
their implicit moral judgments [24.133419857271505]
単一のゴールド標準解釈はほとんど存在せず、自然言語処理における従来の仮定に挑戦する。
この研究は、文の基本的意味論のいくつかの解釈をモデル化することを含む解釈モデリング(IM)タスクを導入する。
実験と分析をサポートするために、第一種IMデータセットがキュレーションされている。
論文 参考訳（メタデータ） (2023-11-27T07:50:55Z) - Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳（メタデータ） (2023-05-23T23:45:20Z) - On the Faithfulness Measurements for Model Interpretations [100.2730234575114]
ポストホックな解釈は、自然言語処理(NLP)モデルがどのように予測を行うかを明らかにすることを目的とする。
これらの問題に取り組むために,我々は,削除基準,解釈の感度,解釈の安定性という3つの基準から始める。
これらの忠実性概念のデシデラタムに動機づけられ、敵対的領域からのテクニックを採用する新しい解釈方法のクラスを導入する。
論文 参考訳（メタデータ） (2021-04-18T09:19:44Z)
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。