論文の概要: Rethinking Opinion Measurement Interfaces for Human-in-the-Loop Optimization
- arxiv url: http://arxiv.org/abs/2610.14757v1
- Date: Sat, 10 Oct 2026 09:25:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:51:38.551257
- Title: Rethinking Opinion Measurement Interfaces for Human-in-the-Loop Optimization
- Title（参考訳）: ループ最適化のためのオピニオン計測インタフェースの再考
- Abstract要約: ヒューマン・イン・ザ・ループ最適化(Human-in-the-loop optimization)とは、人間の意思決定者に対して選択を提示し、システムパラメータを反復的に最適化するために判断をクエリするシステムを指す。
ユーザインターフェースは通常、絶対的な評価尺度を提供するか、あるいは望ましい選択肢を求める。
本稿では,人為的ループ最適化のための意見計測インタフェースの設計空間を再考する。
- 参考スコア（独自算出の注目度）: 35.43602107311817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human-in-the-loop optimization refers to systems that present choices to a human decision-maker and query their judgment to optimize system parameters iteratively. The user interface typically provides either an absolute rating scale or asks for a preferred option. However, these approaches can potentially suffer from calibration problems, inconsistencies, and completeness violations of user preferences in such a sequential evaluation. This paper revisits the design space of opinion measurement interfaces for human-in-the-loop optimization. We conducted a study (N=360) using text summarization and image color enhancement tasks to evaluate human sequential feedback in six representative opinion measurement interfaces. Based on our analysis, we recommend using a listwise approach to support sequential opinion measurement, which counterweighs individual rating and preferential choice limitations and conveys more information for subsequent use. We further discuss the trade-offs in different user interface designs and provide guidelines to inform future research.
- Abstract（参考訳）: ヒューマン・イン・ザ・ループ最適化(Human-in-the-loop optimization)とは、人間の意思決定者に選択を提示し、システムパラメータを反復的に最適化するために判断をクエリするシステムを指す。
ユーザインターフェースは通常、絶対的な評価尺度を提供するか、あるいは望ましい選択肢を求める。
しかし、これらのアプローチは、このようなシーケンシャルな評価において、キャリブレーションの問題、不整合、ユーザの嗜好の完全性違反に悩まされる可能性がある。
本稿では,人為的ループ最適化のための意見計測インタフェースの設計空間を再考する。
テキスト要約と画像色強調タスクを用いたN=360(N=360)を用いて,6つの代表的意見測定インタフェースにおける人間の逐次フィードバックの評価を行った。
本分析では,個別の格付けと優先選択の制限に反し,その後の使用のためにさらなる情報を伝える,逐次的世論測定を支援するためのリストワイズ手法を推奨する。
さらに、異なるユーザインタフェース設計におけるトレードオフについて論じ、今後の研究を知らせるガイドラインを提供する。
関連論文リスト
- Bayesian Preference Elicitation: Human-In-The-Loop Optimization of An Active Prosthesis [3.6494031371026323]
本稿では,標準4パラメータ補綴器を効率よくパーソナライズするためのHuman-in-the-loop Optimization (HILO)アプローチを提案する。
我々は, 効率的な収束, 堅牢な選好誘導, 測定可能な生体力学的改善を示す。
論文 参考訳（メタデータ） (2026-02-26T12:11:51Z) - Regularized GLISp for sensor-guided human-in-the-loop optimization [0.769971486557519]
我々は、測定可能な記述子を優先学習ループに統合するGLISpのセンサ誘導正規化拡張を導入する。
これにより、主観フィードバックと定量的センサー情報を組み合わせたグレーボックス構造が注入される。
解析的ベンチマークと人間の車載サスペンションチューニングタスクの数値評価は、より高速な収束と優れた最終解を示す。
論文 参考訳（メタデータ） (2025-11-06T19:00:56Z) - Churn-Aware Recommendation Planning under Aggregated Preference Feedback [6.261444979025644]
本稿では,近年の規制と技術の変化を動機とした逐次的意思決定問題について考察する。
我々はRec-APCモデルを導入し、匿名ユーザを既知の先行ユーザ型から抽出する。
最適ポリシが有限時間で純粋な利用に収束することを証明し、それらを効率的に計算するための分岐とバウンドのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-06T19:22:47Z) - Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳（メタデータ） (2025-02-05T17:14:45Z) - Preference Discerning with LLM-Enhanced Generative Retrieval [23.559962422900238]
逐次レコメンデーションでは、モデルがユーザのインタラクション履歴に基づいたアイテムを推奨する。
本稿では,ユーザの嗜好を生成的レコメンデーションモデルに明示的に規定する,選好識別という新たなパラダイムを提案する。
以上の結果から,Menderはトレーニング中に観察されなかったとしても,ヒトの嗜好によって指導される推奨に効果的に適応することが示された。
論文 参考訳（メタデータ） (2024-12-11T18:26:55Z) - Algorithmic Drift: A Simulation Framework to Study the Effects of Recommender Systems on User Preferences [7.552217586057245]
本稿では,長期シナリオにおけるユーザ-リコメンダ間のインタラクションを模倣するシミュレーションフレームワークを提案する。
本稿では,ユーザの嗜好に対するアルゴリズムの影響を定量化する2つの新しい指標について紹介する。
論文 参考訳（メタデータ） (2024-09-24T21:54:22Z)
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。