論文の概要: Adaptive Human-AI Collaboration: A Review of Multimodal Context Modeling, Uncertainty-Aware Intervention, and Longitudinal Co-Adaptation
- arxiv url: http://arxiv.org/abs/2609.13180v1
- Date: Wed, 29 Jul 2026 16:50:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-29 21:38:36.876699
- Title: Adaptive Human-AI Collaboration: A Review of Multimodal Context Modeling, Uncertainty-Aware Intervention, and Longitudinal Co-Adaptation
- Title（参考訳）: Adaptive Human-AI Collaboration: A review of Multimodal Context Modeling, Uncertainty-Aware Intervention, and Longitudinal Co-Adaptation
- Abstract要約: メタ分析の証拠は、人間とAIの組み合わせが、どちらかのパートナーのベストを上回らないことが多いことを示している。
本稿では,クローズドループレンズを用いた適応型人間-AIコラボレーション文献のレビューを行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence is shifting from a static decision-support tool to an adaptive collaborator that must sense context, decide when and how to intervene, and improve through repeated interaction with humans individually and in groups. Yet meta-analytic evidence shows that human-AI combinations often fail to outperform the best of either partner alone, and the enabling literature remains fragmented across multimodal sensing, uncertainty quantification, reliance and delegation, facilitation, and teaming. This paper reports a review of adaptive human-AI collaboration literature through a closed-loop lens. Following iterative identification, staged selection against explicit criteria, structured extraction, taxonomy-driven synthesis, and snowballing, we analyze 50 reviewed works. We contribute i) a taxonomy of multimodal context modeling, from individual states to collective states such as group engagement and participation equality; ii) a taxonomy of uncertainty-aware intervention, covering uncertainty sources, estimation and calibration mechanisms, an intervention repertoire that ranges from explanation modulation and deferral to group facilitation, and intervention policies; and iii) a taxonomy of longitudinal co-adaptation and synergy-oriented evaluation. We integrate the three taxonomies into MCAL, a dual-timescale Multimodal Co-Adaptation Loop reference model, and instantiate it on a mixed human-robot workspace, walking every stage of the loop through one concrete setting to show what each taxonomy cell holds in practice.
- Abstract（参考訳）: 人工知能は、静的な意思決定支援ツールから適応的なコラボレーションツールへとシフトしつつある。
しかし、メタ分析的な証拠は、人間とAIの組み合わせは、どちらかのパートナーのベストを上回りませんし、可能となる文献は、マルチモーダルセンシング、不確実な定量化、信頼と委譲、ファシリテーション、そしてチーム分けで断片化され続けています。
本稿では,クローズドループレンズを用いた適応型人間-AIコラボレーション文献のレビューを行う。
本研究は, 反復的同定, 明示的基準に対する段階的選択, 構造的抽出, 分類駆動型合成, および雪玉化の結果から, 50点のレビュー作品を解析した。
コントリビューション
一 個別の状態から集団参加及び参加平等等の集合状態までのマルチモーダル文脈モデリングの分類
二 不確実性のある介入の分類であって、不確実性源、推定及び校正機構、説明調整及び延期からグループファシリテーション及び介入方針までの範囲の介入レパートリー
三 縦方向の協調適応及び相乗効果評価の分類
3つの分類体系をMCAL(Multi-timescale Multimodal Co-Adaptation Loop reference model)に統合し、それらを混在するロボットワークスペース上でインスタンス化し、ループのすべてのステージを1つの具体的な設定で歩くことで、それぞれの分類細胞が実際に何を保持しているかを示す。
関連論文リスト
- Inverse Learning of the Altruism and Cost Level in Mixed-Individual Mean Field Games [0.509780930114934]
混合個別MFGのための逆学習フレームワークを開発する。
我々のアプローチは、騒音観測による(最近)利他主義と労働コストの水準の回復を可能にする。
論文 参考訳（メタデータ） (2026-09-11T19:44:05Z) - HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration [62.19372189311434]
HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。
HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。
その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
論文 参考訳（メタデータ） (2026-07-05T09:15:35Z) - SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。
Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。
本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
論文 参考訳（メタデータ） (2026-03-17T17:58:44Z) - Measuring Inclusion in Interaction: Inclusion Analytics for Human-AI Collaborative Learning [1.0742675209112622]
問題解決における動的相互作用プロセスとして包摂性を調べるための,談話に基づくフレームワークである包摂性分析を導入する。
スケーラブルで対話レベルの尺度を用いて,これらの構造を解析的に可視化する方法を実証する。
この研究は、人間とAIの協調学習環境への包摂性を測定するプロセス指向のアプローチに向けた最初のステップである。
論文 参考訳（メタデータ） (2026-02-09T23:07:15Z) - A Scoping Review of the Ethical Perspectives on Anthropomorphising Large Language Model-Based Conversational Agents [39.49473274097833]
人間以外の存在が人間に似た性質を持つ人類形態化は、大きな言語モデル(LLM)に基づく会話エージェント(CA)の台頭により、ますます健全になっている。
このスコーピングレビューは、LLMベースのCAを5つのデータベースと3つのプレプリントリポジトリで人類学的に指向した研究をマッピングする。
論文 参考訳（メタデータ） (2026-01-14T21:03:11Z) - Taxonomy of User Needs and Actions [51.86289485979439]
会話AIの普及は、ユーザの計測目標と、それらを達成するための位置、適応、および社会的プラクティスをキャプチャするフレームワークの必要性を強調している。
このギャップに対処するために,1193人の人間とAIの会話の反復的質的分析によって構築された経験的基盤の枠組みであるTUNA(Taxonomy of User Needs and Actions)を紹介した。
TUNAは、ユーザアクションを情報検索、合成、手続き的ガイダンス、コンテンツ作成、ソーシャルインタラクション、メタ会話に関連する行動を含む3段階の階層に編成する。
論文 参考訳（メタデータ） (2025-10-07T17:04:42Z) - Adaptive Token Boundaries: Integrating Human Chunking Mechanisms into Multimodal LLMs [0.0]
本研究は,ヒトのクロスモーダルチャンキング機構とトークン表現手法の並列性について,系統的研究を行った。
本稿では,適応的境界,階層的表現,認知科学の原理に基づくアライメント機構を取り入れた動的クロスモーダルトークン化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-03T09:14:24Z) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。
データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。
厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
論文 参考訳（メタデータ） (2024-07-17T08:13:22Z) - An active inference model of collective intelligence [0.0]
本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。
その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
論文 参考訳（メタデータ） (2021-04-02T14:32:01Z)
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。