論文の概要: OmouAI: Argumentative Human-AI Policy Deliberation with Simulated Personas

• arxiv url: http://arxiv.org/abs/2609.31078v1
• Date: Fri, 25 Sep 2026 10:17:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.33679
• Title: OmouAI: Argumentative Human-AI Policy Deliberation with Simulated Personas
• Title（参考訳）: オモウアイ:シミュレートされたペルソナによる人間-AI政策協議
• Abstract要約: OmouAIは、シミュレーションされたペルソナを用いて、現実世界の課題に対するポリシークレームを意図的に実施することを可能にする。 各ペルソナは独自の引数を生成し、すべての当事者の議論は共通の議論フレームワークを形成する。 議論は、国連持続可能な開発目標のような外部目標に対する決定論的論証的意味論を用いて評価される。
• 参考スコア（独自算出の注目度）: 15.04027636458513
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Debates amongst agents driven by large language models (LLMs) have demonstrated vast potential in various applications, but when these interactions include humans and take place in high-stakes environments, e.g., in public policy deliberations, they are beset with issues such as sycophancy and a lack of faithful explanations. To tackle these issues, we present OmouAI, an interactive and inclusive deliberation system that uses LLMs in combination with computational argumentation, a field which excels in representing and reasoning within debates. OmouAI allows a human user to deliberate policy claims for real-world challenges with simulated personas, e.g., representing stakeholders, domain experts or devil's advocates, towards reducing sycophancy. Each persona generates its own arguments, and the arguments of all parties form a shared argumentation framework. Users can then contest, add and revise arguments, providing crucial human oversight. Then, arguments are evaluated using deterministic argumentative semantics against external goals, such as the UN Sustainable Development Goals, guaranteeing faithful explanations. The advancement or worsening of the goals thus serve as indicators for the policy recommendations.
• Abstract（参考訳）: 大規模言語モデル(LLM)によって駆動されるエージェント間の議論は、様々な応用において大きな可能性を秘めている。 これらの課題に対処するため,LLMと計算議論を組み合わせた対話的かつ包括的な検討システムであるOmouAIを紹介した。 OmouAIは、シミュレーションされたペルソナ、例えば利害関係者、ドメインの専門家、あるいは悪魔の支持者を代表して、現実の課題に対する政策主張を意図的に行うことを可能にする。 各ペルソナは独自の引数を生成し、すべての当事者の議論は共通の議論フレームワークを形成する。 ユーザーは議論に異議を唱えたり、追加したり、修正したりできる。 その後、国連持続可能な開発目標のような外部目標に対する決定論的論証的意味論を用いて議論が評価され、忠実な説明が保証される。 したがって、目標の進展または悪化は、政策勧告の指標となる。

関連論文リスト

• Benchmarking Argumentative Behaviour of LLMs: A Study of Defences Against Character Attacks [0.0]
  大規模言語モデル(LLM)は、説得的対話において議論的エージェントとしてますます多くデプロイされている。 我々は,政治的説得的対話において重要な役割を担っている,伝統的に誤認として否定されたキャラクター攻撃(統括的議論)に焦点を当てる。 我々は、自然言語による政治的対話のコーパスを分析し、人間の介入者が自然に民族中心の議論で採用する防衛戦略を特定し、それらを対話ゲームに構造化する。
  論文  参考訳（メタデータ） (2026-09-23T18:14:32Z)
• Adaptive Arena-based Contestable Argumentative Network-of-Experts for Open-Ended Care Plan Coordination [1.4988096015658898]
  本稿では,多エージェント型ニューロシンボリック・フレームワークであるCANOE(Contestable Argumentative Network-of-Experts)を提案する。 複雑性評価、適応的なチーム採用、ロールベースの議論的計算、ケアプラン合成の5つのモジュールによる制限に対処する。 CanOEの議論的構造は、忠実な説明と人間の競争性を提供する。
  論文  参考訳（メタデータ） (2026-08-05T20:18:45Z)
• SAD: A Large-Scale Strategic Argumentative Dialogue Dataset [60.33125467375306]
  実際には、議論はしばしばマルチターン対話として実現される。 大規模なtextbfStrategic textbfArgumentative textbfDialogue データセットは,392,822例からなる。
  論文  参考訳（メタデータ） (2026-01-12T11:11:37Z)
• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• SocraSynth: Multi-LLM Reasoning with Conditional Statistics [2.5200794639628032]
  大きな言語モデル(LLM)は偏見や幻覚、推論能力の欠如に対する批判に直面している。 本稿では,これらの問題を緩和するために開発されたマルチLLMエージェント推論プラットフォームであるSocra Synthを紹介する。
  論文  参考訳（メタデータ） (2024-01-19T07:16:21Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
  Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。 提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
  論文  参考訳（メタデータ） (2023-10-18T20:18:05Z)

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。