論文の概要: Transfiver: Human-AI Co-Inference through a Shared Editable State

• arxiv url: http://arxiv.org/abs/2609.03797v1
• Date: Thu, 03 Sep 2026 13:03:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.06345
• Title: Transfiver: Human-AI Co-Inference through a Shared Editable State
• Title（参考訳）: Transfiver: 共有編集可能な状態による人間とAIの共推論
• Abstract要約: Transfiverは、共有編集可能な状態を通じて、人間とAIの共推論のためのアーキテクチャである。 暗黙のストリーム更新では、モデルは進行中のインタラクションを解釈し、新しい情報が既存の状態項目を更新するか、または新しいものを作成するかを決定する。 人間は、明示的に指示された編集において、宛先項目を検査し、修正する。どちらも同じ基礎状態に作用するため、人間の修正は、他の命令や別個のレコードを追加するのではなく、その後の計算が読み取る状態を変更する。
• 参考スコア（独自算出の注目度）: 7.339235574084628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-term human-AI interaction is difficult because the information that guides inference is updated implicitly by the model and is not directly inspectable or controllable by the user. We introduce the TRANSparent Framework for Interactive, Verifiable, Editable Representation (Transfiver), an architecture for human-AI co-inference through a shared editable state. Its central idea is that interaction-specific information is maintained in a single persistent state $(S_t)$ that both the model and the human update. Transfiver distinguishes two modes of state evolution. In an implicit stream update, the model interprets ongoing interaction and decides whether new information revises an existing state item or creates a new one. In an explicit directed edit, a human inspects and modifies an addressed item. Both act on the same underlying state, so a human correction changes the state that subsequent computation reads, rather than adding another instruction or separate record. The architecture separates shared parameters $(θ)$, learned before ordinary use, from the persistent state $(S_t)$, which evolves during deployment without parameter retraining. Extending Transfiver to rich natural-language, relational, and large-scale shared states remains open.
• Abstract（参考訳）: なぜなら、推論を導く情報はモデルによって暗黙的に更新され、ユーザーが直接検査または制御できないからである。 本稿では,対話型,検証可能な,編集可能な表現のための透過的フレームワーク(Transfiver)について紹介する。 その中心的な考え方は、インタラクション固有の情報は、モデルと人間の更新の両方が持つ単一の永続状態$(S_t)$で維持される、ということだ。 トランスフィーバーは状態進化の2つのモードを区別する。 暗黙のストリーム更新では、モデルは進行中のインタラクションを解釈し、新しい情報が既存の状態項目を更新するか、または新しいものを作成するかを決定する。 明示的に指示された編集では、人間が対象のアイテムを検査し、修正する。 どちらも同じ基本状態に作用するため、人間の修正は、他の命令や別のレコードを追加するのではなく、その後の計算が読み取る状態を変更する。 アーキテクチャは、共有パラメータ$(θ)$を、パラメータの再トレーニングなしでデプロイ中に進化する永続状態$(S_t)$から、通常の使用前に学習した共有パラメータ$(θ)$を分離する。 トランスフィーバーをリッチな自然言語、リレーショナル、大規模共有状態に拡張することは依然としてオープンである。

関連論文リスト

• PA-User: Simulating Trust and Verification under AI-Generated Content [1.1105673928718571]
  3つの新しいコンポーネントを持つユーザシミュレータPA-Userを提案する。 信頼コンポーネントは、それぞれのソースクラスの事実に関する別々のベータ信念を持っています。 決定ルールは、各結果に対する受け入れ、証明、破棄を選択する。
  論文  参考訳（メタデータ） (2026-06-22T00:45:06Z)
• Taming I2V models for Image HOI Editing: A Cognitive Benchmark and Agentic Self-Correcting Framework [62.705866028818576]
  現在の画像編集法は静的属性で優れているが、複雑なHuman-Object Interactions (HOI)では失敗する 3つの進歩的認知レベルを持つ総合的なベンチマークであるHOI-Editを紹介する。 HOI-Editでは、SCPEは対話におけるNano Bananaのような最先端(SOTA)編集モデルと競合するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-06-17T13:44:26Z)
• Semantic Granularity Navigation in Image Editing [4.8073791571301125]
  NaviEditは、リアルタイム編集のためのトレーニング不要の推論時間コントローラである。 厳密な自己整合契約を通じて、モデルスケールから編集の進捗を分離する。 スケールを制御入力として扱い、意味的に応答する中間スケールに向けて固定ステップ予算を割り当てる。
  論文  参考訳（メタデータ） (2026-05-20T13:53:13Z)
• One Model, Two Roles: Emergent Specialization in a Shared Recurrent Transformer [8.348937182957332]
  非対称入力再帰: 共有重み付けリカレントトランスフォーマーは、別々のモジュールに分割することなく、異なる内部ロールを発生させることができるか? 両更新で同じTransformerモデルを再利用した最小2状態推論アーキテクチャであるAsymmetric Input Recurrence (AIR) でこれを検証した。 機械学的に、注意解析により、L-更新はスドクとマゼの双方のH-更新よりも一貫して局所的であることが示された。
  論文  参考訳（メタデータ） (2026-05-18T03:36:58Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• OpenPI-C: A Better Benchmark and Stronger Baseline for Open-Vocabulary State Tracking [55.62705574507595]
  OpenPIは、オープン語彙状態トラッキング用に注釈付けされた唯一のデータセットである。 手順レベル,ステップレベル,状態変化レベルの3つの問題を分類する。 評価指標として,クラスタベースの計量法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T16:48:20Z)
• Centralizing State-Values in Dueling Networks for Multi-Robot Reinforcement Learning Mapless Navigation [87.85646257351212]
  本稿では,CTDE(Training and Decentralized Execution)パラダイムにおけるマルチロボットマップレスナビゲーションの問題点について考察する。 この問題は、各ロボットが観察を他のロボットと明示的に共有することなく、その経路を考えると困難である。 我々は,集中型状態値ネットワークを用いて共同状態値を計算するCTDEの新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:47:00Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)
• The Right Tool for the Job: Matching Model and Instance Complexities [62.95183777679024]
  NLPモデルが大きくなればなるほど、訓練されたモデルを実行するには、金銭的・環境的なコストを発生させる重要な計算資源が必要である。 我々は、推論中、早期(かつ高速)の"exit"を可能にする文脈表現微調整の修正を提案する。 3つのテキスト分類データセットと2つの自然言語推論ベンチマークの2つのタスクで、5つの異なるデータセットに対して提案した修正を検証した。
  論文  参考訳（メタデータ） (2020-04-16T04:28:08Z)

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。