論文の概要: Efficient Test-Time Adaptation through Human-AI Interaction

• arxiv url: http://arxiv.org/abs/2609.04141v1
• Date: Thu, 03 Sep 2026 17:33:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.1881
• Title: Efficient Test-Time Adaptation through Human-AI Interaction
• Title（参考訳）: ヒトとAIの相互作用による効率的なテスト時間適応
• Abstract要約: 我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
• 参考スコア（独自算出の注目度）: 112.5131603022122
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: AI agents are trained on population-scale data to encode broad capabilities spanning those of many practitioners. Yet the artifacts they produce rarely meet the personal bar professionals need to stake their reputation on. On realistic, open-ended tasks where success criteria are heterogeneous and insufficiently documented, individual expertise lives precisely in the elevation and departure from the average. In practice, iterative human-agent interaction surfaces criteria that users cannot fully specify up front, yet apply repeatedly across tasks. We argue this cross-session interaction data is a rich, underused signal for closing the gap to individual expertise. In this work, we propose test-time adaptation through human-agent interaction (TAHI), which integrates these signals into agent context and weights, and crystallizes each user's training and evaluation criteria via an evolving rubric module. We adapt agents to 30 individuals in two high-utility domains, writing and visual creation, on a total of 600 tasks. Our agents improve solo task success by 4.5-20.9% within only tens of tasks. Meanwhile, our evolving rubric module serves as a scalable annotation tool, creating evaluation rubrics that catch 16.0-22.3% more failures than those from LMs or humans alone. While agents are adapted towards individuals, we show these personalized agents also produce improvements in success of up to 8.8% that generalize across users.
• Abstract（参考訳）: AIエージェントは、多くの実践者の幅広い能力をエンコードするために、人口規模のデータに基づいて訓練されている。 しかし、彼らが生産するアーティファクトは、個人的なバーの専門家が自分たちの評判を守らなければならないことは滅多にない。 成功基準が不均一で十分に文書化されていない現実的でオープンなタスクにおいて、個々の専門知識は、平均からの上昇と離脱において正確に生活する。 実際には、反復的な人間とエージェントのインタラクションは、ユーザーが前もって完全に指定することはできないが、複数のタスクにまたがって繰り返し適用できるという基準を表面化する。 このクロスセッションインタラクションデータは、個々の専門知識とのギャップを埋めるための、豊かで過小評価されたシグナルである、と私たちは主張する。 本研究では,人間のエージェント間相互作用(TAHI)によるテスト時間適応を提案し,これらの信号をエージェントコンテキストとウェイトに統合し,各ユーザのトレーニングおよび評価基準を,進化するルーリックモジュールを通じて結晶化する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。 一方、我々の進化するルーリックモジュールはスケーラブルなアノテーションツールとして機能し、LMや人間よりも16.0-22.3%の障害をキャッチできる評価ルーリックを生成する。 エージェントは個人に適応するが、これらのパーソナライズされたエージェントは、最大8.8%の成功率の向上をもたらす。

関連論文リスト

• EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
  既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。 EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。 ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
  論文  参考訳（メタデータ） (2026-05-11T00:04:19Z)
• Modeling Distinct Human Interaction in Web Agents [59.600507469754575]
  我々は、協調的なWebタスク実行を支援するために、人間の介入をモデル化するタスクを紹介する。 エージェントとのユーザインタラクションの4つのパターンを特定します。 我々は、これらの介入認識モデルをライブWebナビゲーションエージェントにデプロイし、ユーザスタディで評価し、ユーザ評価エージェントの有用性が26.5%向上した。
  論文  参考訳（メタデータ） (2026-02-19T18:11:28Z)
• Autonomous Continual Learning of Computer-Use Agents for Environment Adaptation [57.65688895630163]
  ACuRLは自律的なカリキュラム強化学習フレームワークで、エージェントを人間データゼロの特定の環境に継続的に適応させる。 本研究では,環境内学習と環境横断学習の両方を効果的に実現し,既存の環境を忘れずに4～22%の性能向上を実現した。
  論文  参考訳（メタデータ） (2026-02-10T23:06:02Z)
• AgentIF-OneDay: A Task-level Instruction-Following Benchmark for General AI Agents in Daily Scenarios [49.90735676070039]
  持続時間と複雑さが増大するタスクを効果的に処理するAIエージェントの能力は、成長を続けている。 エージェントタスクの多様性に十分対処することなく,タスクの難易度の向上を優先している。 本稿では,自然言語命令とAIエージェントを多種多様な日常タスクに活用できるかどうかを判定するエージェントIF-OneDayを提案する。
  論文  参考訳（メタデータ） (2026-01-28T13:49:18Z)
• Training LLM Agents to Empower Humans [67.80021254324294]
  本稿では,人間のエンパワーメントの最大化に基づく支援言語モデルのチューニング手法を提案する。 我々のエンパワーメント最大化手法であるEmpowerは、オフラインのテキストデータのみを必要とする。 我々は,Empowerで訓練されたエージェントが,プログラミング問題に挑戦する人間プログラマの成功率を平均192%向上させることを示す。
  論文  参考訳（メタデータ） (2025-10-15T16:09:33Z)
• PersonaGym: Evaluating Persona Agents and LLMs [44.058616871217595]
  本稿では、ペルソナエージェントのための最初の動的評価フレームワークであるPersonaGymと、意思決定理論に基づく人手による自動計量であるPersonaScoreを紹介する。 200人1万質問10件のLLMを評価した結果,有意義な進歩の可能性が示唆された。
  論文  参考訳（メタデータ） (2024-07-25T22:24:45Z)
• MUG: Interactive Multimodal Grounding on User Interfaces [12.035123646959669]
  本稿では,ユーザとエージェントがインタフェース画面上で協調作業を行うマルチモーダルグラウンドのための対話型タスクMUGを提案する。 ユーザがコマンドを与え、エージェントがコマンドに応答する。MUGはエージェントの応答を見る際に、エージェントがそのアクションを洗練または修正するための追加コマンドを与えるように、複数のラウンドのインタラクションを可能にする。
  論文  参考訳（メタデータ） (2022-09-29T21:08:18Z)

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。