論文の概要: Available but Unclaimed: An Empirical Study of Human-AI Synergy

• arxiv url: http://arxiv.org/abs/2609.16793v1
• Date: Tue, 15 Sep 2026 08:01:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.398293
• Title: Available but Unclaimed: An Empirical Study of Human-AI Synergy
• Title（参考訳）: 人間とAIのシナジーに関する実証的研究
• Abstract要約: 人々は大きな言語モデル(LLM)でますます理にかなっている 研究では、参加者はマトリックス推論、メンタルローテーション、シロジズム、レターストリングの類似、GPT-5.6-ルナ、クロード・オプス4.8、ジェミニ3.6フラッシュ、キミK3の40イットのバッテリーを解いた。 補聴器の精度差は項目レベルのLCM能力に比例して増大した。
• 参考スコア（独自算出の注目度）: 27.380163033481015
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: People increasingly reason with large language models (LLMs), yet complementary capabilities do not guarantee outperforming both components. In a between-subjects study, participants (N=535) solved a 40-item battery of matrix reasoning, mental rotation, syllogisms, and letter-string analogies, unaided or with GPT-5.6-Luna, Claude Opus 4.8, Gemini 3.6 Flash, or Kimi K3. Each assisted trial required consultation with the model. Each model answered every item alone 100 times under matched elicitation. The assisted-unaided accuracy difference increased with item-level LLM competence. Deference varied across tasks and increased with competence within tasks. Post-advice confidence distinguished correct from incorrect answers less strongly than unaided confidence. In a reference comparison, about half the increase in LLM accuracy carried through to assisted accuracy. How much of that accuracy gain reached participants differed across the models. These findings motivate evaluating LLMs in interaction with humans and designing support for selective deference that preserves independent reasoning.
• Abstract（参考訳）: 人々は、大きな言語モデル(LLM)でますます理にかなっているが、相補的な機能は、両方のコンポーネントのパフォーマンスを保証しない。 被験者(N=535)は、GPT-5.6-Luna、Claude Opus 4.8、Gemini 3.6 Flash、Kim K3といったマトリックス推論、メンタルローテーション、シロジズム、レターストリングアナロジーの40イットのバッテリーを解いた。 各補助試験はモデルとの協議を必要とした。 各モデルは、一致したエスカレーションの下で、各項目に100回だけ答えた。 補聴器の精度差は項目レベルのLCM能力に比例して増大した。 評価はタスクによって異なり、タスク内の能力によって増加する。 事故後信頼度は、不正確な回答と不正確な回答とを区別した。 基準比較では, LLMの精度が約半分向上し, 精度が向上した。 参加者の精度向上の程度は、モデルによって異なっていた。 これらの知見は、人間との相互作用におけるLLMの評価と、独立した推論を保持する選択的推論のための設計支援を動機付けている。

関連論文リスト

• Beyond the AI Tutor: Social Learning with LLM Agents [9.933416370629923]
  異なる学習コンテキストにまたがる2つの実験について述べる。 我々は、よりリッチなエージェント構成への1対1のAI教育への移行が、人間の社会学習研究で長年記録されてきた協調的および観察的利益を解き放つことができるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-04-03T03:17:30Z)
• Verifying Large Language Models' Reasoning Paths via Correlation Matrix Rank [71.09032766271493]
  大規模言語モデル (LLM) は誤りや幻覚を引き起こす傾向がある。 アウトプットを効果的かつ効率的にチェックする方法は、アプリケーションにとって重要な問題となっている。
  論文  参考訳（メタデータ） (2025-10-28T11:01:10Z)
• Multi-Agent Evolve: LLM Self-Improve through Co-evolution [53.00458074754831]
  強化学習(RL)は、大規模言語モデル(LLM)の推論能力を高める大きな可能性を証明している。 近年のSelf-Play RL法は,ゲームやGoのパラダイムの成功に触発されて,人間に注釈を付けることなくLSM推論能力を向上することを目指している。 数学,推論,一般知識Q&Aなど多種多様な課題の解決において,LLMが自己発展できるフレームワークであるMulti-Agent Evolve(MAE)を提案する。
  論文  参考訳（メタデータ） (2025-10-27T17:58:02Z)
• Uncertainty-Aware Answer Selection for Improved Reasoning in Multi-LLM Systems [55.6590601898194]
  大規模言語モデル(LLM)は例外的な機能を示しているが、複数のLLMから最も信頼性の高い応答を選択することは依然として困難である。 既存のアプローチは、しばしばコストのかかる外部検証器、人間の評価器、または単一のモデルから複数のサンプルを必要とする自己整合技術に依存している。 校正されたログ類似度スコアを用いて,複数のLLMから最適な応答を選択するための,原理的,斬新で,計算的に効率的な手法を提案する。
  論文  参考訳（メタデータ） (2025-09-30T01:25:19Z)
• Understanding LLM Scientific Reasoning through Promptings and Model's Explanation on the Answers [8.936182649298766]
  大規模言語モデル(LLM)は、自然言語理解、推論、問題解決において顕著な能力を示した。 本稿では,現代LLMの推理能力について検討し,その強度,限界,改善の可能性について分析する。
  論文  参考訳（メタデータ） (2025-05-02T16:16:17Z)
• CLR-Bench: Evaluating Large Language Models in College-level Reasoning [17.081788240112417]
  大規模言語モデル(LLM)は、様々な言語理解タスクで顕著な性能を示した。 複雑な大学レベルの推論において,LLMを包括的に評価するためにCLR-Benchを提案する。
  論文  参考訳（メタデータ） (2024-10-23T04:55:08Z)
• GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。 GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• How Easy is It to Fool Your Multimodal LLMs? An Empirical Analysis on Deceptive Prompts [54.07541591018305]
  提案するMAD-Benchは,既存のオブジェクト,オブジェクト数,空間関係などの5つのカテゴリに分割した1000の試験サンプルを含むベンチマークである。 我々は,GPT-4v,Reka,Gemini-Proから,LLaVA-NeXTやMiniCPM-Llama3といったオープンソースモデルに至るまで,一般的なMLLMを包括的に分析する。 GPT-4oはMAD-Bench上で82.82%の精度を達成するが、実験中の他のモデルの精度は9%から50%である。
  論文  参考訳（メタデータ） (2024-02-20T18:31:27Z)
• Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs [60.61002524947733]
  従来の信頼性推論手法は、内部モデル情報やモデル微調整へのホワイトボックスアクセスに依存していた。 これにより、不確実性推定のためのブラックボックスアプローチの未解決領域を探索する必要性が高まっている。 言語的信頼を導き出すための戦略の推進、複数の応答を生成するためのサンプリング方法、一貫性を計算するための集約手法の3つの要素からなる体系的フレームワークを定義する。
  論文  参考訳（メタデータ） (2023-06-22T17:31:44Z)
• Boosting Theory-of-Mind Performance in Large Language Models via Prompting [2.538209532048867]
  本研究は,GPT-4および3種類のGPT-3.5のToM特性を測定する。 ToM理解の改善における文脈内学習の有効性を検討した。
  論文  参考訳（メタデータ） (2023-04-22T22:50:50Z)

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。