論文の概要: Propose to Learn, Learn to Propose: Evaluability-Aware Assistance under Bounded Rationality
- arxiv url: http://arxiv.org/abs/2609.02242v1
- Date: Wed, 02 Sep 2026 07:48:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.140657
- Title: Propose to Learn, Learn to Propose: Evaluability-Aware Assistance under Bounded Rationality
- Title（参考訳）: Propose to Learn, Learn to Propose: Evaluability-Aware Assistance under bounded Rationality
- Abstract要約: 提案手法は,課題介入や潜伏した好みや評価制約を学習するための調査として,評価可能性を考慮した提案計画について検討する。
本研究は, 提案を可能な応答と応答誘導後信で評価する深度2ベイズ適応プランナーであるtextscProSE-Plan を用いて, ProSE を運用する。
- 参考スコア（独自算出の注目度）: 25.274115351731325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI assistants often collaborate by proposing candidate edits, plans, or designs that users evaluate before adoption. Existing assistance methods focus on proposal quality or user-goal inference, often assuming that the user can reliably evaluate any proposal, which can fail in practice because of bounded rationality. We study evaluability-aware proposal planning, where proposals serve both as task interventions and as probes for learning latent preferences and evaluation constraints, where the resulting belief updates then guide later proposals. We formalise this setting as ProSE, a hidden-parameter sequential assistance problem, and instantiate it with a KL-regularised bounded-rational binary response model in which acceptance trades off value gain against a distance-dependent evaluability penalty. Analysing the planning consequence of this likelihood reveals that likely accepted proposals and informative probes need not coincide, which explains why planners that only pursue acceptance systematically underperform. We operationalise ProSE with \textsc{ProSE-Plan}, a depth-2 Bayes-adaptive planner that scores proposals by possible responses and response-induced posterior beliefs. In controlled graph simulations, \textsc{ProSE-Plan} improves over evaluability-unaware and myopic baselines when evaluation cost is the bottleneck, and a probe-commit ablation confirms that our approach selects informative proposals that simpler methods miss. Our results thus identify user evaluability as a planning-relevant dimension of AI assistance, complementary to generation quality and preference inference.
- Abstract（参考訳）: AIアシスタントは、ユーザーが採用前に評価する候補の編集、計画、デザインを提案して協力することが多い。
既存の支援手法は提案の品質やユーザゴールの推測に重点を置いており、ユーザがどの提案も確実に評価できると仮定することが多いが、これは有界な合理性のために実際に失敗する可能性がある。
本研究では,課題介入や潜伏した嗜好や評価制約を学習するための探究として提案が機能し,その結果の信条更新が後続の提案を導く,評価可能性に配慮した提案計画について検討する。
我々は、この設定を、隠れパラメータシーケンシャルな補助問題であるProSEとして定式化し、それをKL規則化された有界有理連立応答モデルでインスタンス化する。
この可能性の計画結果を分析すると、受理された提案と情報的探究が一致しない可能性が明らかとなり、なぜ受理のみを追求するプランナーが体系的に不十分になるのかが説明される。
本稿では,提案する提案を,応答と応答誘発後信によって評価するディープ2ベイズ適応プランナーであるtextsc{ProSE-Plan} で運用する。
制御されたグラフシミュレーションでは,評価コストがボトルネックである場合,評価容易性に欠ける基準値やミオピック基準値よりも,textsc{ProSE-Plan} が向上する。
この結果から,ユーザ評価能力はAI支援の計画的側面であり,生成品質と嗜好推定に補完するものであると考えられた。
関連論文リスト
- Decision-Theoretic Stopping Rules for Document Screening [3.0194079121079205]
本稿では,検索結果のレビューをいつ中止するかという問題に対して,意思決定理論を適用した。
CLEF-IPおよび医療システムレビューデータセットの実験は、提案手法が一般的により適切な停止決定を生成することを示している。
論文 参考訳（メタデータ） (2026-06-05T09:09:37Z) - SEED-SET: Scalable Evolving Experimental Design for System-level Ethical Testing [17.31500098002456]
SEED-SETは、ドメイン固有の客観的評価と利害関係者による主観的価値判断を含む実験的な設計フレームワークである。
自律エージェントの倫理的ベンチマークのためのアプローチを2つのアプリケーションで検証し、ベストを尽くす方法を見つける。
論文 参考訳（メタデータ） (2026-03-02T09:06:28Z) - Reason4Rec: Large Language Models for Recommendation with Deliberative User Preference Alignment [69.11529841118671]
本稿では,ユーザの嗜好に関する明確な推論を新たなアライメント目標として組み込んだ,新たなDeliberative Recommendationタスクを提案する。
次にReasoningを利用したRecommenderフレームワークを導入する。
論文 参考訳（メタデータ） (2025-02-04T07:17:54Z) - Learning to Plan & Reason for Evaluation with Thinking-LLM-as-a-Judge [78.28188747489769]
そこで我々は,Thinking-LLM-as-a-Judgeの優先最適化アルゴリズムであるEvalPlannerを提案する。
自己学習ループでは、EvalPlannerは、合成的に構築された評価計画と実行よりも反復的に最適化する。
提案手法はRewardBenchにおける生成報酬モデルのための新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2025-01-30T02:21:59Z) - Uncertainty-Penalized Direct Preference Optimization [52.387088396044206]
我々は、優先不確実性ペナル化スキームを導入し、DPOの悲観的な枠組みを開発する。
ペナル化は、不確実なサンプルの損失勾配を減衰させる損失の補正として機能する。
我々は,バニラDPOと比較して全体的な性能が向上し,高い不確実性選択/拒絶反応によるプロンプトの完成度も向上した。
論文 参考訳（メタデータ） (2024-10-26T14:24:37Z) - CSRec: Rethinking Sequential Recommendation from A Causal Perspective [25.69446083970207]
シーケンシャルなレコメンデータシステム(RecSys)の本質は、ユーザが意思決定を行う方法を理解することです。
我々は、CSRec(Causal Sequential Recommendation)と呼ばれる、シーケンシャルレコメンデーションの新しい定式化を提案する。
CSRecは、シーケンシャルなコンテキスト内で推奨項目が受け入れられる確率を予測し、現在の決定がどのようになされるかをバックトラックすることを目的としている。
論文 参考訳（メタデータ） (2024-08-23T23:19:14Z) - Safe Explicable Planning [3.3869539907606603]
安全計画(SEP:Safe Explicable Planning)を提案する。
提案手法は,複数のモデルから派生した複数の対象の考察を一般化する。
これらの手法の望ましい理論的性質を検証するための公式な証明を提供する。
論文 参考訳（メタデータ） (2023-04-04T21:49:02Z) - Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。
既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。
本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
論文 参考訳（メタデータ） (2023-02-10T05:10:26Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Evaluating the Robustness of Off-Policy Evaluation [10.760026478889664]
Off-policy Evaluation (OPE)は、オフラインログデータのみを活用する仮説的ポリシーの性能を評価する。
オンラインインタラクションが高利得と高価な設定を含むアプリケーションでは特に有用である。
我々は,OPE推定器のロバスト性を評価する実験手法であるIEOE(Interpretable Evaluation for Offline Evaluation)を開発した。
論文 参考訳（メタデータ） (2021-08-31T09:33:13Z) - A Revised Generative Evaluation of Visual Dialogue [80.17353102854405]
本稿では,VisDialデータセットの改訂評価手法を提案する。
モデルが生成した回答と関連する回答の集合のコンセンサスを測定する。
DenseVisDialとして改訂された評価スキームのこれらのセットとコードをリリースする。
論文 参考訳（メタデータ） (2020-04-20T13:26:45Z)
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。