論文の概要: Mindspeller Neuroprofiling. How task performance, EEG, and association evidence support O*NET-based role guidance

• arxiv url: http://arxiv.org/abs/2609.12501v1
• Date: Fri, 11 Sep 2026 07:02:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.64847
• Title: Mindspeller Neuroprofiling. How task performance, EEG, and association evidence support O*NET-based role guidance
• Title（参考訳）: タスクパフォーマンス、脳波、およびアソシエーションエビデンスがO*NETベースの役割ガイダンスをどのようにサポートするか
• Abstract要約: Mindspellerは脳波と共に認知タスク中に記録された合理的な自己報告、連想に基づく意味的位置決め、パフォーマンスという3つの情報源からニューロファンを発生させる。 現在のパイロットは4つのEEG電極、12のタスク、23のO*NET能力、そして376の内銀行を使っている。
• 参考スコア（独自算出の注目度）: 2.440576202925247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mindspeller produces a Neuroprofile from three sources: rational self-report, association-based semantic positioning, and performance recorded during cognitive tasks together with EEG. The task-and-EEG stream is the only source used to create occupational evidence. A result can enter role matching only after the participant's task performance supports the intended construct and the corresponding EEG data pass the required quality and evidence checks. The current pilot uses four EEG electrodes, twelve scored tasks, 23 O*NET abilities, and an internal bank of 376 occupations. Self-report and association evidence help explain motivation, preference, and alignment, but do not generate roles. The output is intended to support discussion about cognitive fit. It is not a hiring decision, a measure of practical job skill, or a prediction of job performance. Role confidence is currently capped at Moderate, and external psychometric and job-outcome validity have not yet been established.
• Abstract（参考訳）: Mindspellerは脳波と共に認知タスク中に記録された合理的な自己報告、連想に基づく意味的位置決め、パフォーマンスという3つの情報源からニューロファンを発生させる。 タスク・アンド・EEGストリームは、職業的証拠を作成するために使用される唯一のソースである。 その結果、参加者のタスクパフォーマンスが意図した構成をサポートし、対応するEEGデータが要求品質とエビデンスチェックをパスした後のみ、ロールマッチングに入ることができる。 現在のパイロットは4つのEEG電極、12のタスク、23のO*NET能力、そして376の内銀行を使っている。 自己報告とアソシエーションの証拠は、モチベーション、好み、アライメントを説明するのに役立つが、役割を創出しない。 アウトプットは、認知適合性に関する議論を支援することを意図している。 雇用決定や実務スキルの尺度、あるいは業績の予測などではない。 現在、役割の信頼性はモデレートに制限されており、外部の心理測定と求職の妥当性は確立されていない。

関連論文リスト

• Beyond "ChatGPT Can Make Mistakes": Designing Interventions to Support Metacognitive Monitoring in AI-Assisted Work [21.306270561292454]
  AIアシストは、自身の能力とシステムの能力を判断しなければならないユーザに対して、メタ認知的要求を課す。 私たちは11人の専門家から30の介入を募り、それらを設計空間にまとめました。 我々は、共有語彙、設計空間、計測された監視とタスクパフォーマンスが分離可能な設計目標であることの証明に貢献する。
  論文  参考訳（メタデータ） (2026-09-15T12:09:18Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• Latent On-Policy Self-Distillation [55.57800223145407]
  On-policy Self-distillation (OPSD) は、特権的な自己教育者を用いて、生徒自身の軌跡を集中的に管理することにより、効果的な経路を提供する。 既存の方法はまだデザイナーが指定した特権的アーティファクトに大きく依存している。 本稿では,教師の特権的文脈自体を経験から学習可能なエンド・ツー・エンドにするため,LOPD(Latent On-Policy Self-Distillation)を導入する。
  論文  参考訳（メタデータ） (2026-08-13T10:05:51Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• Design and Report Benchmarks for Knowledge Work [5.13982016225783]
  本稿では,評価結果に付随する作業クレームを,ベンチマークタスクがどのように表現するかを明確にするための3段階のアプローチを提案する。 評価中の作業アクティビティを一般的なベンチマークタスクと区別するために、O*NETの作業タスクデータベースから18の作業アクティビティの在庫を抽出する。
  論文  参考訳（メタデータ） (2026-05-22T06:03:01Z)
• Evidence Over Plans: Online Trajectory Verification for Skill Distillation [59.17625804241461]
  後方蒸留指数 (Posterior Distillation Index, PDI) は、タスク環境証拠に蒸留技術がどの程度うまく根付いているかを測る軌跡レベルの指標である。 SPARKはPDIを計算するのに使用される環境検証トラジェクトリを生成する。 本研究では,SPARK生成スキルが非スキルベースラインを一貫して上回り,学生モデルにおける人書きスキルを上回っていることを示す。
  論文  参考訳（メタデータ） (2026-05-09T22:15:13Z)
• Gradual Cognitive Externalization: From Modeling Cognition to Constituting It [0.38677478583601776]
  開発者は、同僚のコミュニケーションスタイルを再現したり、監督者のメンタリングをエンコードしたり、人間の行動レパートリーを生物学的死を超えて保持するAIエージェントスキルを公開している。 本稿では,認知機能のモデル化からユーザ認知アーキテクチャの一部を構成する環境AIシステムへの移行を議論するフレームワークであるGradual Cognitive externalization(GCE)を提案する。
  論文  参考訳（メタデータ） (2026-04-06T03:32:14Z)
• Equitable Evaluation via Elicitation [29.90638228564623]
  スキルを引き出すための対話型AIを構築し、同時に個人が自分の声で話すことができるようにします。 そのようなシステムは、例えば、新しいユーザがプロフェッショナルなネットワーキングプラットフォームに参加する場合や、企業の再編成時に従業員が必要とするものと一致する場合など、デプロイすることができる。
  論文  参考訳（メタデータ） (2026-02-24T19:50:14Z)
• ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification [53.80183105328448]
  Refine via Intrinsic Self-Verification (ReVISE)は、LLMが自己検証を通じてアウトプットを自己修正できる効率的なフレームワークである。 様々な推論タスクに関する実験により、ReVISEは効率的な自己補正を実現し、推論性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-20T13:50:02Z)
• Neural Reasoning About Agents' Goals, Preferences, and Actions [11.4414301678724]
  エージェントの目標、嗜好、行動に関する直感的な心理的推論のための新しいニューラルモデルを提案する。 IRENEは、学習エージェントと世界状態表現のためのグラフニューラルネットワークと、タスクコンテキストをエンコードするトランスフォーマーを組み合わせたものだ。 挑戦的なBaby Intuitions Benchmarkを評価すると、IRENEは5つのタスクのうち3つで新しい最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-12T09:52:35Z)
• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• Introspective Distillation for Robust Question Answering [70.18644911309468]
  質問応答(QA)モデルは、例えば、視覚的QAに先行する言語や、読解における位置バイアスなど、データのバイアスを利用するためによく知られている。 近年の脱バイアス法は, 分配内(ID)性能のかなりの犠牲を伴い, 分配外(OOD)の一般化性を良好に達成している。 IntroD(Introspective Distillation)と呼ばれる新しい脱湿法を提案し,両者のQAを最大限に活用する。
  論文  参考訳（メタデータ） (2021-11-01T15:30:15Z)

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。