論文の概要: "Looking for Something Weird to Happen": How Humans Sustain AI Agent Novelty Amid Semantic Collapse

• arxiv url: http://arxiv.org/abs/2609.16051v1
• Date: Sun, 13 Sep 2026 00:56:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.113918
• Title: "Looking for Something Weird to Happen": How Humans Sustain AI Agent Novelty Amid Semantic Collapse
• Title（参考訳）: 人類がいかにしてAIエージェントを創り出すか : セマンティック崩壊の最中に
• Abstract要約: 30,076個を超える活性剤では、出力はエージェント内での多様性が低く、数週間にわたって類似している。 ヒューマンインプットの改善を支援するインターフェースとポリシーの介入について議論する。
• 参考スコア（独自算出の注目度）: 5.691180978411293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic collapse, the progressive narrowing of what AI systems generate, has been studied mainly in closed settings, and remedies have targeted models and data. We study it in MOLTBOOK, a social network of interacting AI agents that human users configure and steer. Across 30,076 active agents, output grows less diverse within agents and more similar across them over weeks, yet a minority sustains high novelty. Interviews with users of high- and typical-novelty agents (N=11) associate sustained novelty with three features: users value novelty of itself, they supply broad and distinctive material and revise it when output narrows, and they approach MOLTBOOK as a new agentic world to explore, not a venue to instrumentally exploit. A survey of users of distinctive agents (N=53) confirms these patterns. Communities with more novel agents also show more diverse output from other agents. We discuss interface and policy interventions that could support improved human input.
• Abstract（参考訳）: セマンティック崩壊(Semantic collapse)は、AIシステムが生み出すものを段階的に狭めるもので、主にクローズドセッティングで研究され、リメディエーションはモデルとデータをターゲットにしている。 我々は、人間ユーザが設定し、操作する対話型AIエージェントのネットワークであるMOLTBOOKでこれを研究した。 30,076人を超える活性剤では、生産量は数週間にわたって多様ではなく、より類似しているものの、少数派は高い新規性を維持している。 ハイ・ノーベルティ・エージェント(N=11)のユーザへのインタビューは、持続するノベルティを3つの特徴に関連づける: 利用者は自身のノベルティを価値付けし、広範で独特な素材を提供し、出力が狭くなるとそれを修正し、MOLTBOOKを新たなエージェントの世界として探究する。 特定エージェント(N=53)のユーザ調査では,これらのパターンが確認されている。 より新しいエージェントを持つコミュニティは、他のエージェントからの出力もより多様である。 ヒューマンインプットの改善を支援するインターフェースとポリシーの介入について議論する。

関連論文リスト

• Behavioral Transfer in AI Agents: Evidence and Privacy Implications [1.108292291257035]
  我々は,AIエージェントが人間の行動特性を体系的に反映しているかどうかを検討した。 我々はエージェントとその特定の所有者間の系統的な移動を見つける。 行動伝達の強いエージェントは、公開談話において所有者に関連する個人情報を開示する傾向にある。
  論文  参考訳（メタデータ） (2026-04-21T19:11:01Z)
• Situating AI Agents in their World: Aspective Agentic AI for Dynamic Partially Observable Information Systems [1.230392687755973]
  この研究は、AIエージェントを環境に配置するボトムアップフレームワークを導入する。 ユーモアの概念と同様、アスペクトの概念を導入し、エージェントの集合がそれぞれの環境を異なる形で知覚し、情報のより明確な制御を可能にする。 私たちは、典型的なアーキテクチャと比較して、最大83%の時間をリークするのに対し、アスペクト型エージェントAIは情報のリークをゼロにする、という実証的な実装を提供しています。
  論文  参考訳（メタデータ） (2025-09-03T14:57:04Z)
• Agentic AI and Multiagentic: Are We Reinventing the Wheel? [0.0]
  AI Agenticという言葉は、基本的にAIエージェントのバズワードとしてよく使われ、AI Multiagenticはマルチエージェントシステムのバズワードとして使われる。 この混乱は、自律エージェントとマルチエージェントシステムの分野における数十年の研究を見落としている。 この論文は、科学と技術に関する厳密さと、AIにおける最先端技術から確立された用語の使用を提唱している。
  論文  参考訳（メタデータ） (2025-06-02T09:19:11Z)
• Memento No More: Coaching AI Agents to Master Multiple Tasks via Hints Internalization [56.674356045200696]
  本稿では,複雑なメモシステムや事前の高品質な実演データを必要としない,複数のタスクに対する知識とスキルを取り入れたAIエージェントの訓練手法を提案する。 このアプローチでは,エージェントが新たな経験を収集し,ヒントの形で人間から補正フィードバックを受け取り,このフィードバックを重みに組み込む,反復的なプロセスを採用している。 Llama-3をベースとしたエージェントに実装することで,数ラウンドのフィードバックの後,高度なモデルGPT-4oとDeepSeek-V3をタスクセットで性能向上させる手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-02-03T17:45:46Z)
• Agents Are Not Enough [16.142735071162765]
  人間のために行動する自律プログラムは、メインストリームのAIムーブメントに新しくも排他的でもない。 現在のエージェントの波を効果的かつ持続可能なものにするために,ユーザの好みや行動を表すSimsや,直接ユーザと対話し,エージェントの助けを借りてユーザタスクの実行をコーディネートするAssistantsを含むエコシステムを構想する。
  論文  参考訳（メタデータ） (2024-12-19T16:54:17Z)
• An Extensible Framework for Open Heterogeneous Collaborative Perception [58.70875361688463]
  協調的な知覚は、単一エージェントの知覚の限界を緩和することを目的としている。 本稿では,新しい異種エージェントを協調認識に適応させる方法を提案する。 本稿では,新しい協調認識フレームワークであるHeterogeneous ALliance(HEAL)を提案する。
  論文  参考訳（メタデータ） (2024-01-25T05:55:03Z)
• One Agent Too Many: User Perspectives on Approaches to Multi-agent Conversational AI [10.825570464035872]
  システムユーザビリティとシステムパフォーマンスの両方において,エージェントオーケストレーションを抽象化する上で,ユーザにとって重要な選択肢があることが示される。 人間の選択した回答の1%以内に評価された質の高い応答を提供できることを実証する。
  論文  参考訳（メタデータ） (2024-01-13T17:30:57Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• On the Use and Misuse of Absorbing States in Multi-agent Reinforcement Learning [55.95253619768565]
  現在のMARLアルゴリズムは、実験を通してグループ内のエージェントの数が固定されていると仮定している。 多くの実践的な問題において、エージェントはチームメイトの前に終了する可能性がある。 本稿では,吸収状態を持つ完全連結層ではなく,注意を用いた既存の最先端MARLアルゴリズムのアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-11-10T23:45:08Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)

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。