論文の概要: RecalibrateGPT: AI Fatigue Resilient Conversational Interfaces
- arxiv url: http://arxiv.org/abs/2609.00506v1
- Date: Tue, 01 Sep 2026 00:16:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.17058
- Title: RecalibrateGPT: AI Fatigue Resilient Conversational Interfaces
- Title（参考訳）: RecalibrateGPT: AI疲労耐性会話インタフェース
- Authors: Nikhil Wani,
- Abstract要約: 本稿では,5つのクロスターン演算子(アンカー,リプレイ,デルタ,スコープ,ステア)をそれぞれ異なる疲労タイプで対象とするシステムであるRecalibrateGPTを提案する。
これらのオペレータは、AsistiveButtonを通じて、Vertical、Arc、Tabletの3つのパレットレイアウトのうちの1つで呼び出される。
最初の定式的質的研究では、4種類の疲労タイプ(リタイピング、スキャン、意思決定麻痺、コンテキストドリフト)の分類を特定し、RecalibrateGPTの2つの設計目標を導出する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models are powerful, but their interfaces often devolve into a type $\rightarrow$ read $\rightarrow$ retype loop, creating conversational AI fatigue, cognitive load, and eventual task abandonment. To mitigate this, we present RecalibrateGPT, a system introducing five cross-turn operators (Anchor, Replay, Delta, Scope, and Steer) that each target a distinct fatigue type, recalibrating LLM responses through a structured panel by acting on the full conversation history with a single click. Users invoke these operators through the AssistiveButton in one of three operator palette layouts: Vertical, Arc, or Tablet. We conducted two pilot studies with the same 12 advanced LLM users. An initial formative qualitative study identifies a taxonomy of four fatigue types (retyping, scanning, decision paralysis, and context drift) and derives two design objectives for RecalibrateGPT. A follow-up quantitative evaluation finds it reduces perceived cognitive workload by half (NASA-TLX = 2.7) at high perceived usability (SUS = 86.5), suggesting AI fatigue is not just a model-quality issue but an interaction-flow cost that interfaces can remove.
- Abstract（参考訳）: 大きな言語モデルは強力だが、そのインターフェースはしばしばタイプ$\rightarrow$ read $\rightarrow$ retype loopに進化し、会話型のAI疲労、認知的負荷、最終的なタスク放棄を生み出す。
これを緩和するために,5つのクロスターン演算子 (Anchor, Replay, Delta, Scope, Steer) を導入し,それぞれが異なる疲労タイプを目標とし,単一のクリックで全会話履歴を処理し,構造化パネルを介してLLM応答を緩和するシステムであるRecalibrateGPTを提案する。
これらのオペレータは、AsistiveButtonを通じて、Vertical、Arc、Tabletの3つのパレットレイアウトのうちの1つで呼び出される。
同じ12名の高度LCMユーザを対象に,2つのパイロット実験を行った。
最初の定式的質的研究では、4種類の疲労タイプ(リタイピング、スキャン、意思決定麻痺、コンテキストドリフト)の分類を特定し、RecalibrateGPTの2つの設計目標を導出する。
続く定量的評価では、認知的ワークロードを高いユーザビリティ(SUS = 86.5)で半分(NASA-TLX = 2.7)減らし、AI疲労はモデル品質の問題であるだけでなく、インターフェースが取り除けるインタラクションフローコストを示唆している。
関連論文リスト
- DoublesEval: Diagnosing Multi-Agent Tactical Reasoning in Vision-Language Models via Professional Doubles Badminton [1.6892008660392037]
視覚言語モデル(VLM)は、視覚的なシーンコンテンツを記述するのに優れていますが、動的マルチエージェントインタラクションについて考えるのに苦労しています。
我々はこの能力をtextbfmulti-agent 戦術推論として定式化し、診断評価フレームワーク textbfDoublesEval を導入する。
DoublesEvalはキーモーメントベースのプロトコルを使用して、ラリーを戦術的に健全な瞬間に分解し、4つの解釈可能な次元にわたってモデルをプローブする。
論文 参考訳（メタデータ） (2026-08-25T11:51:01Z) - Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution [0.0]
大規模言語モデル(LLM)は複雑な知的タスクに不可欠なものであるが、出力品質はユーザが提供するプロンプトによって制約される。
本研究では,非構造化クエリを構造化プロンプトに変換する8つのエージェントのエージェント対話インタフェースPAWNIを提案する。
また、Essential、Extension、Elevationのカテゴリにまたがる18のプロンプト要素からなる3層フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-02T16:33:27Z) - Automated grading of Linux/bash examinations using large language models: a four-level cognitive taxonomy approach [0.0]
本稿では,4つのフロンティア大言語モデルが,短いLinux/bashコマンド応答のグルーピングにおいて,専門家による判断を近似できるかどうかを評価する。
この研究は、認知の複雑さと運用への影響を組み合わせた4段階の認知分類を採用する。
Gemini3.0 Proは、ルックス誘導のプロンプトで、人間とAIの最高の合意を達成した。
論文 参考訳（メタデータ） (2026-07-02T17:01:47Z) - ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both [55.182037225013836]
ATLASは、単一の独立した「ワード」を機能トークンと呼び、エージェント操作と潜在視覚推論ユニットの両方として機能するフレームワークである。
ATLASは、明確な解釈可能性を維持しながら、挑戦的なベンチマークで優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-14T17:59:55Z) - Dual Latent Memory for Visual Multi-agent System [69.29799381195592]
Visual Multi-Agent Systems (VMAS)は、エージェント間のコラボレーションを通じて包括的な能力を強化することを約束する。
増量剤は、指数関数的にトークンコストを膨らませながら、しばしば性能を低下させる。
L$2$-VMASは,2つの潜在記憶を用いたエージェント間コラボレーションを実現する新しいモデルに依存しないフレームワークである。
論文 参考訳（メタデータ） (2026-01-31T02:49:10Z) - Advancing Academic Chatbots: Evaluation of Non Traditional Outputs [3.0969191504482243]
本研究は、大規模言語モデルが高品質な非伝統的な学術出力を生成できるかどうかを評価することに焦点を当てる。
我々は,MetaのLLaMA 370BオープンウェイトとOpenAIのGPT 4o mini APIをベースとしたプロトタイプを実装した。
GPT 4o miniは再び最高のパフォーマンスを示したが、LLaMA 3は物語のコヒーレンスを約束していた。
論文 参考訳（メタデータ） (2025-11-30T17:25:23Z) - Reading Between the Lines: The One-Sided Conversation Problem [49.36189146596834]
我々は一方的な会話問題(1SC)を定式化する。
リアルタイムのユースケースに対して、欠落した話者のターンを再構築し、一方の書き起こしから要約を生成する。
プライバシーに配慮した会話型AIへの一歩となる有望な成果を報告します。
論文 参考訳（メタデータ） (2025-11-04T22:53:57Z) - PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳（メタデータ） (2024-08-18T13:51:01Z) - ReST meets ReAct: Self-Improvement for Multi-Step Reasoning LLM Agent [50.508669199496474]
外部知識に基づいて推論と行動を行うReAct-style LLMエージェントを開発した。
エージェントをReSTライクな手法で改良し,従来の軌道上で反復的に訓練する。
引き起こされた大きなモデルから始まり、アルゴリズムのたった2イテレーションの後に、微調整された小さなモデルを生成することができる。
論文 参考訳（メタデータ） (2023-12-15T18:20:15Z)
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。