論文の概要: Alignment Games: A Framework for Conceptual Repair in Human-AI Collaboration

• arxiv url: http://arxiv.org/abs/2609.35197v1
• Date: Mon, 28 Sep 2026 13:57:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:12:01.465638
• Title: Alignment Games: A Framework for Conceptual Repair in Human-AI Collaboration
• Title（参考訳）: アライメントゲーム:人間-AIコラボレーションにおける概念修復のためのフレームワーク
• Abstract要約: 使用される概念の意味は、状況、課題、目標、事前の知識によって形作られます。 アライメントゲーム(Alignment Games)は、人間とAIのインタラクションにおいて、タスク関連の違いを可視化し、修復可能にするフレームワークである。 これらの動きを修復シーケンスにどのように構成するかを示し、実行時にタスクに十分な概念的アライメントをサポートする設計原則を導出する。
• 参考スコア（独自算出の注目度）: 32.20296975033789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The meaning of a concept in use is shaped by the situation, task, goals, and prior knowledge. For example, a request to make a poster "visually appealing for a five-year-old" might evoke bright colors and cartoon imagery for one collaborator, but less text, bold shapes, and visual simplicity for another. We call such task-relevant differences conceptual misalignment. We introduce Alignment Games, a framework for making these differences visible and repairable during human-AI interaction. Drawing on theories of situated conceptualization, we characterize task-specific conceptual frames in terms of relevant attributes, values, relations, constraints, and priorities. We then define alignment moves that intervene on the situation, the reasoning used to interpret it, or the resulting frame. Through examples from educational content generation, creative coding, and argumentative writing, we show how these moves can be composed into repair sequences and derive design principles for supporting task-sufficient conceptual alignment at runtime.
• Abstract（参考訳）: 使用される概念の意味は、状況、課題、目標、事前の知識によって形作られます。 例えば、ポスターを「5歳児に視覚的にアピールする」ように要求すると、ある協力者にとって明るい色や漫画のイメージが浮かび上がるが、テキスト、大胆な形、視覚的な単純さは減る。 このようなタスク関連の違いを概念的ミスアライメント(conceptual misalignment)と呼ぶ。 アライメントゲーム(Alignment Games)は、人間とAIのインタラクションにおいて、これらの違いを可視化し、修復可能にするフレームワークである。 位置概念化の理論に基づいて、関連する属性、値、関係、制約、優先順位の観点でタスク固有の概念的フレームを特徴づける。 次に、状況に干渉するアライメントの動き、それを理解するのに使われた推論、結果のフレームを定義する。 教育コンテンツ生成、創造的コーディング、議論的執筆などの例を通して、これらの動きを修復シーケンスにどのように構成するかを示し、実行時にタスクに十分な概念的アライメントをサポートする設計原則を導出する。

関連論文リスト

• Insight: Interpretable Semantic Hierarchies in Vision-Language Encoders [52.94006363830628]
  言語対応の視覚基盤モデルは、下流の様々なタスクで強く機能する。 近年の研究では、これらの表現を人間の解釈可能な概念に分解するが、空間的接地が乏しく、画像分類に限られている。 入力画像に人間が解釈可能で空間的に接地した、きめ細かい概念を提供する言語対応概念基盤モデルであるInsightを提案する。
  論文  参考訳（メタデータ） (2026-01-20T09:57:26Z)
• Language-Informed Visual Concept Learning [22.911347501969857]
  我々は概念エンコーダのセットを訓練し、言語インフォームドの概念軸のセットに関連する情報を符号化する。 次に、トレーニング済みのVisual Question Answering(VQA)モデルから得られたテキスト埋め込みの集合に埋め込みの概念を固定する。 推論時に、新しいテスト画像から様々な軸に沿った概念埋め込みを抽出し、それをリミックスして視覚概念の新規な構成で画像を生成する。
  論文  参考訳（メタデータ） (2023-12-06T16:24:47Z)
• Improving Image Captioning via Predicting Structured Concepts [46.88858655641866]
  本研究では,概念とその構造を予測するための構造的概念予測器を提案し,それをキャプションに統合する。 我々は、単語依存によって駆動される概念関係を記述するために、重み付きグラフ畳み込みネットワーク(W-GCN)を設計する。 提案手法は,概念間の潜在的な関係を捉え,異なる概念を識別的に学習することにより,画像キャプションの継承を容易にする。
  論文  参考訳（メタデータ） (2023-11-14T15:01:58Z)
• Text-to-Image Generation for Abstract Concepts [76.32278151607763]
  抽象概念のためのテキスト・画像生成フレームワーク(TIAC)を提案する。 抽象概念は曖昧さを避けるための詳細な定義で明確な意図に明確化されている。 LLM抽出フォームパターンセットから概念依存型フォームを検索する。
  論文  参考訳（メタデータ） (2023-09-26T02:22:39Z)
• Visual Superordinate Abstraction for Robust Concept Learning [80.15940996821541]
  概念学習は言語意味論と結びついた視覚表現を構成する。 視覚概念の本質的な意味的階層を探索する失敗のボトルネックについて説明する。 本稿では,意味認識型視覚サブ空間を明示的にモデル化するビジュアル・スーパーオーディネート・抽象化・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-28T14:27:38Z)
• FALCON: Fast Visual Concept Learning by Integrating Images, Linguistic descriptions, and Conceptual Relations [99.54048050189971]
  自然に発生する複数のデータストリームによってガイドされる新しい視覚概念を素早く学習するフレームワークを提案する。 学習された概念は、未知の画像について推論することで質問に答えるなど、下流のアプリケーションをサポートする。 合成と実世界の両方のデータセットにおけるモデルの有効性を実証する。
  論文  参考訳（メタデータ） (2022-03-30T19:45:00Z)
• Separating Skills and Concepts for Novel Visual Question Answering [66.46070380927372]
  アウト・オブ・ディストリビューションデータへの一般化は、VQA(Visual Question Answering)モデルにおいて問題となっている。 「スキル」とは、数え方や属性認識などの視覚的なタスクであり、その疑問に言及された「概念」に適用される。 モデル内でこれらの2つの要因を暗黙的に分離するスキルと概念を学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-07-19T18:55:10Z)
• Interpretable Visual Reasoning via Induced Symbolic Space [75.95241948390472]
  視覚的推論における概念誘導の問題,すなわち,画像に関連付けられた質問応答対から概念とその階層的関係を同定する。 我々はまず,オブジェクトレベルの視覚的特徴を持つ視覚的推論タスクを実行するために,オブジェクト指向合成注意モデル(OCCAM)という新しいフレームワークを設計する。 そこで我々は,対象の視覚的特徴と質問語の間の注意パターンから手がかりを用いて,対象と関係の概念を誘導する手法を考案した。
  論文  参考訳（メタデータ） (2020-11-23T18:21:49Z)

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。