論文の概要: Early Epistemic Settlement in AI-Assisted Writing
- arxiv url: http://arxiv.org/abs/2609.09332v2
- Date: Sat, 12 Sep 2026 23:44:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:04.724929
- Title: Early Epistemic Settlement in AI-Assisted Writing
- Title（参考訳）: AIを用いた筆記法における初期てんかんの沈着
- Abstract要約: 著者は、主張できるものを変える資料と、議論が満たさなければならない要求とを関連付けることができる。
言語モデルは、彼女の議論においてその時点で必要とされる作業を行うパスを提供することができる。
接続が発達する前に、自分の試みを終わらせることができる。
- 参考スコア（独自算出の注目度）: 2.892857112058156
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In trying to complete a passage, an author can make connections among her materials that change what she can argue and the demands the argument must meet. A language model can supply a passage that does the work required at that point in her argument. Accepting it can end her own attempts before those connections have developed. I call this interruption early epistemic settlement. It can occur even when she fully understands the response and correctly judges it adequate for the passage's present role in the argument. The answer can satisfy the desire for resolution that kept her at work. Returning to her unfinished attempt would take more effort, and she may be unable to anticipate what she could achieve by continuing it. With repeated assistance, accepted answers shape what the writer asks next and which relations she goes on to develop. Useful answers can thus sustain inquiry while cutting short the work through which an author could form arguments that accommodate demands she has yet to recognize.
- Abstract（参考訳）: 論文を完成させようとする際、著者は、主張できる内容と議論が満たさなければならない要求を変えるための資料間のつながりを作ることができる。
言語モデルは、彼女の議論においてその時点で必要とされる作業を行うパスを提供することができる。
接続が発達する前に、自分の試みを終わらせることができる。
私はこの中断を疫病の早期解決と呼ぶ。
彼女がその反応を十分に理解し、議論で現在の役割を適切に判断したとしても、それは起こりうる。
その答えは彼女が仕事を続けていた解決への欲求を満たすことができる。
未完成の試練に戻るにはもっと努力が必要だが、それを続けることで何ができるかを予想できないかもしれない。
繰り返しの支援によって、受け入れられた答えは、著者が次に尋ねるものと、どの関係が発展していくのかを形作る。
そのため、有効な答えは、著者がまだ認識していない要求に対応する議論を作成できる作業の短縮をしながら、調査を継続することができる。
関連論文リスト
- Implicit Reasoning Steering via Concept Chaining [29.121206944212556]
自然言語のテキストを使って、明示的な指示やトリガー、直接回答の手がかりを使わずに、指定された回答に向けてモデルをバイアスする。
間接的な自然なテキストは、直接のパラフレーズよりも推論がかなり少ないまま、体系的にモデル予測を操ることができることを示す。
論文 参考訳（メタデータ） (2026-07-15T18:03:08Z) - A Matter of Time: Towards a General Theory of Agency [0.042970700836450486]
エージェンシーは、しばしば哲学、生物学、認知科学の研究において、それがどのように物質組織に由来するかを明確に説明せずに呼び出される。
本稿では, 生物, 物理生物疫学, プロセスオントロジーを基礎とした組織学の段階的な組織理論を提唱する。
論文 参考訳（メタデータ） (2026-06-22T10:09:36Z) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - Deep Reasoning in General Purpose Agents via Structured Meta-Cognition [58.185853639335896]
構造化メタ推論を用いてタスク固有の足場を構築するための推論時アプローチを提案する。
我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェントでこのアプローチをインスタンス化する。
論文 参考訳（メタデータ） (2026-05-12T01:21:37Z) - When Agents Evolve, Institutions Follow [52.359340707289114]
大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。
彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。
我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
論文 参考訳（メタデータ） (2026-04-30T10:30:58Z) - Pause or Fabricate? Training Language Models for Grounded Reasoning [50.104657152302956]
不完全情報に基づくグラウンドド推論のために,対話型強化学習(GRIL)によるグラウンドド推論を提案する。
GRILは推論プロセスを2つの段階に分解する: 明確化と一時停止、利用可能な情報が十分かどうかを識別する。
GSM8K-InsufficientおよびMetaMATH-Insufficientの実験では、GRILは前提検出を大幅に改善し(最大45%)、平均応答長を20%以上削減しながらタスク成功率が30%向上した。
論文 参考訳（メタデータ） (2026-04-21T16:45:29Z) - Beyond Compliance: How AI Could Help Creative Writers by Refusing Them [25.77405942866036]
理論的には、意図的なAI非準拠は、他のバイパス可能なソリューションよりも強い摩擦を通じてそのような反射をもたらす可能性がある。
我々は、執筆段階(計画、翻訳、レビュー)にまたがる共通の要求を拒絶する反応を探究する。
反射ポテンシャルは、状況、認知、領域の信念、および関係次元に沿った不均一な嗜好のアライメントに依存することを示唆している。
論文 参考訳（メタデータ） (2026-04-03T06:58:53Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - Creativity in the Age of AI: Rethinking the Role of Intentional Agency [0.35854592084750364]
インテンショナル・エージェンシー・コンディション(IAC)は創造性の一般的な条件として拒絶されるべきである。
近年のジェネレーティブAIの進歩により、IACは記述的かつ機能的にも、ますます問題になっている。
我々はIACを一貫性のある要件に置き換えることを提案し、創造性は新規で価値のある製品の生成を確実に追跡する。
論文 参考訳（メタデータ） (2026-01-22T09:31:12Z) - Reasoning About Intent for Ambiguous Requests [47.979705857002415]
あいまいな要求に対して単一の構造化された応答で複数の解釈-問合せペアを生成することを提案する。
我々のモデルは、複数の有効な回答を監督として、強化学習とカスタマイズされた報酬関数で訓練されている。
論文 参考訳（メタデータ） (2025-11-13T16:18:45Z) - Beyond the Last Answer: Your Reasoning Trace Uncovers More than You Think [51.0691253204425]
我々は2つの質問に答えるために中間的推論ステップを解析する: 最終的な答えはモデルの最適結論を確実に表すか?
我々のアプローチは、推論トレースを言語的手がかりに基づくシーケンシャルなサブソートに分割することである。
これらの解答を最も頻繁な解(モード)を選択して集約すると、元の完全トレースから得られる解のみに依存するよりも、はるかに高い精度が得られることが判明した。
論文 参考訳（メタデータ） (2025-04-29T12:39:07Z) - Composing or Not Composing? Towards Distributional Construction Grammars [48.39510098137836]
言語発話の意味を構築することは、構成過程に基づいて段階的に、段階的に行われる。
したがって、両方のアプローチをまとめるフレームワークを提案する必要がある。
本稿では, 構築文法に基づく手法を提案し, この枠組みを完成させ, それらのメカニズムを考察する。
論文 参考訳（メタデータ） (2024-12-10T11:17:02Z) - Semantic Computing for Organizational Effectiveness: From Organization
Theory to Practice through Semantics-Based Modelling [0.0]
私たちのモデルの主な特徴は、推論可能な依存関係、説明可能な調整と協力のリスク、組織内の依存関係構造をどのように変更してリスクを軽減するかについての実行可能な洞察などです。
我々のアプローチは、既存の組織理論から有形で現実的な価値を導出する意味論の変革の可能性を強調します。
論文 参考訳（メタデータ） (2023-12-29T19:37:35Z) - A Ship of Theseus: Curious Cases of Paraphrasing in LLM-Generated Texts [11.430810978707173]
私たちの研究は、興味深い疑問を浮き彫りにしている: テキストは、多くのパラフレーズを実行したときに、オリジナルの著者を保っているか?
計算手法を用いることで,テキスト分類モデルにおける性能低下が,各パラフレーズが原作者のスタイルから逸脱する程度と密接に関連していることが判明した。
論文 参考訳（メタデータ） (2023-11-14T18:40:42Z) - Keeping the Questions Conversational: Using Structured Representations
to Resolve Dependency in Conversational Question Answering [26.997542897342164]
本稿では,中間表現を会話の手がかりとして捉え,生成するための新しいフレームワークCONVSR(CONVQA using Structured Representations)を提案する。
我々はQuACとCANARDのデータセット上でモデルをテストし、提案するフレームワークが標準的な質問書き直しモデルよりも優れたF1スコアを達成できることを実験結果により示す。
論文 参考訳（メタデータ） (2023-04-14T13:42:32Z) - Measuring and Narrowing the Compositionality Gap in Language Models [116.5228850227024]
モデルがすべてのサブプロブレムに正しく答えられる頻度を計測するが、全体の解は生成しない。
我々は,思考の連鎖をさらに改善する新たな手法である自己認識法を提案する。
論文 参考訳（メタデータ） (2022-10-07T06:50:23Z) - Maieutic Prompting: Logically Consistent Reasoning with Recursive
Explanations [71.2950434944196]
ノイズや一貫性のない言語モデルでさえも問題に対する正しい答えを推測するMaieutic Promptingを開発する。
Maieutic Promptingは最先端のプロンプト法よりも最大20%精度が高い。
論文 参考訳（メタデータ） (2022-05-24T06:36:42Z) - Open-domain clarification question generation without question examples [4.34222556313791]
本稿では,極性(yes-no)を明確化できる問合せモデルを構築するための枠組みを提案する。
本モデルは,市販画像キャプタから情報的質問を導き出すために,期待された情報ゲイン目標を用いている。
我々は,目標志向の20質問ゲームにおいて,人間と合成者によるコミュニケーションの成功を促す質問を提示するモデルの能力を実証する。
論文 参考訳（メタデータ） (2021-10-19T07:51:54Z) - Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
語彙のエンドツーエンド分類に代わる方法を提案する。
潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。
人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
論文 参考訳（メタデータ） (2020-10-04T19:06:16Z)
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。