論文の概要: Large-Scale User Behavior Analysis in Multimodal AI-Assisted Manual Task Execution
- arxiv url: http://arxiv.org/abs/2609.07594v1
- Date: Mon, 07 Sep 2026 15:06:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.450553
- Title: Large-Scale User Behavior Analysis in Multimodal AI-Assisted Manual Task Execution
- Title（参考訳）: マルチモーダルAI支援マニュアルタスク実行における大規模ユーザ行動解析
- Abstract要約: 会話タスクアシスタント(CTA)は、音声、テキスト、画像、ビデオのインタラクションを通じて、複雑な現実世界のタスクでユーザをサポートする。
これまでのユーザスタディでは、コントロールされた設定に重点を置いており、実際のCTAの使用状況の理解が限られていた。
我々は,数千のユーザを対象とするCTAの利用状況について,大規模に検討した。
- 参考スコア（独自算出の注目度）: 8.281425921021079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversational Task Assistants (CTAs) are multimodal dialogue systems that support users in complex real-world tasks such as cooking and DIY through voice, text, image, and video interactions. Prior user studies have focused on controlled settings, leaving limited understanding of real-world CTA usage at scale. In this work, we present a large-scale study of CTA usage based on thousands of users in-the-wild. Our large-scale real-world data analysis unveils new understandings of (i) user-CTA interaction flows, (ii) user intents, (iii) user conversational traits, and (iv) behavioral factors associated with user satisfaction. Our findings reveal key opportunities for future research in CTAs, particularly in user interaction design and task engagement, concluding with concrete design guidelines.
- Abstract（参考訳）: 会話タスクアシスタント(英: Conversational Task Assistants、略称:CTA)は、音声、テキスト、画像、ビデオの対話を通じて、調理やDIYといった複雑な現実世界のタスクでユーザをサポートするマルチモーダル対話システムである。
これまでのユーザスタディでは、コントロールされた設定に重点を置いており、実際のCTAの使用状況の理解が限られていた。
そこで本研究では,数千のユーザを対象とするCTAの利用状況について,大規模に検討する。
われわれの大規模な実世界のデータ分析は、新しい理解を浮き彫りにする
(i)ユーザ-CTAインタラクションフロー。
(ii)ユーザ意図、
三 利用者の会話の特質、及び
(4)ユーザの満足度に関連する行動要因。
以上の結果から,CTAにおける今後の研究,特にユーザインタラクション設計やタスクエンゲージメントにおいて,具体的な設計ガイドラインをまとめる上で重要な機会が明らかとなった。
関連論文リスト
- VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions [63.13827503828231]
我々は、長期ユーザーインタラクションにおけるパーソナライズされたプロアクティブなエージェント動作を評価するためのベンチマークであるVitaBench 2.0を紹介する。
結果は、最先端のモデルでさえ、現実世界のパーソナライゼーションは非常に困難であることを示している。
論文 参考訳（メタデータ） (2026-05-26T15:07:38Z) - Human vs. Agent in Task-Oriented Conversations [22.743152820695588]
本研究は,大規模言語モデル(LLM)を模擬したユーザとタスク指向の対話における人間ユーザとの体系的比較を行った最初の事例である。
本分析により,問題解決手法における2つのユーザタイプ間の行動的差異が明らかとなった。
論文 参考訳（メタデータ） (2025-09-22T11:30:39Z) - Generative Interfaces for Language Models [70.25765232527762]
ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。
本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。
その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
論文 参考訳（メタデータ） (2025-08-26T17:43:20Z) - UserBench: An Interactive Gym Environment for User-Centric Agents [110.77212949007958]
LLM(Large Language Models)ベースのエージェントは、推論とツールの使用において、目覚ましい進歩を遂げてきたが、ユーザと積極的にコラボレーションする能力はまだ未熟である。
マルチターン、選好駆動インタラクションにおいてエージェントを評価するために設計されたユーザ中心のベンチマークであるUserBenchを紹介する。
論文 参考訳（メタデータ） (2025-07-29T17:34:12Z) - RMTBench: Benchmarking LLMs Through Multi-Turn User-Centric Role-Playing [133.0641538589466]
RMTBenchは、80の多様な文字と8000以上の対話ラウンドを特徴とする、総合的なテキストバプサー中心のバイリンガルロールプレイングベンチマークである。
本ベンチマークでは,文字記述よりも明示的なユーザモチベーションに基づく対話を構築し,実用的なユーザアプリケーションとの整合性を確保する。
RMTBenchは、キャラクタバックグラウンドからユーザ意図のフルフィルメントにフォーカスを移すことで、学術的な評価と実践的なデプロイメント要件のギャップを埋める。
論文 参考訳（メタデータ） (2025-07-27T16:49:47Z) - Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild [10.23533525266164]
大規模言語モデル(LLM)は、複雑な記述において、ニーズに合うように世代を操るために使用される。
本研究では,タスク作成に携わるユーザを対象に,この協調行動の大規模分析を行う。
そこで本研究では,LLMとユーザが対話する際の特徴的行動の同定を行った。
論文 参考訳（メタデータ） (2025-05-21T21:13:01Z) - Speaking the Right Language: The Impact of Expertise Alignment in User-AI Interactions [20.986518776079404]
25,000件のBing Copilot会話のサンプルを用いて、エージェントがドメインの専門知識の異なるユーザに対してどのように反応するかを調べる。
調査の結果,多種多様な分野にまたがって,エージェントは熟練あるいは熟練した専門知識のレベルに大きく反応することがわかった。
また,会話中の単語数から判断されるように,エージェントがユーザのそれと相反する専門知識のレベルに応答すると,より多くのユーザが会話を行うことを示す。
論文 参考訳（メタデータ） (2025-02-25T22:46:51Z) - Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。
また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文 参考訳（メタデータ） (2024-10-28T23:10:06Z) - A Speaker Turn-Aware Multi-Task Adversarial Network for Joint User Satisfaction Estimation and Sentiment Analysis [28.940337080659905]
対話レベルのユーザ満足度推定(USE)と感性分析(SA)のための話者ターン対応マルチタスク対応ネットワーク(STMAN)を提案する。
まず,タスク識別器を訓練して発話表現をよりタスク特化させるマルチタスク対向戦略を導入し,その上で,各タスクに相補的な共通特徴を抽出するために話者ターン認識型マルチタスクインタラクション戦略を利用する。
論文 参考訳（メタデータ） (2024-10-12T15:03:53Z) - Unveiling the Impact of Multi-Modal Interactions on User Engagement: A Comprehensive Evaluation in AI-driven Conversations [17.409790984399052]
本稿では,画像と音声をテキストと併用したマルチモーダルインタラクションがユーザエンゲージメントに与える影響について検討する。
本研究は,テキストのみの対話に比べて,マルチモーダルインタラクションによるユーザエンゲージメントが著しく向上していることを明らかにする。
その結果,マルチモーダルインタラクションは認知処理を最適化し,より豊かな情報理解を促進することが示唆された。
論文 参考訳（メタデータ） (2024-06-21T09:26:55Z) - Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。
コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
論文 参考訳（メタデータ） (2023-11-26T09:11:32Z) - Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。
これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。
本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文 参考訳（メタデータ） (2023-10-31T14:12:07Z)
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。