論文の概要: Multi-System Cognitive Steering for Generative Communication

• arxiv url: http://arxiv.org/abs/2610.19177v1
• Date: Tue, 13 Oct 2026 20:43:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.80451
• Title: Multi-System Cognitive Steering for Generative Communication
• Title（参考訳）: 生成通信のためのマルチシステム認知ステアリング
• Abstract要約: 本稿では,大規模言語モデルをマルチモーダルな文脈で構築することで,ユーザ意図の再構築に活用できるフレームワークを提案する。 本研究は,フロンティアモデルと選択された環境基準,感情状態,コミュニケーションモチベーションとの整合性をシミュレーション略語ベンチマークで示し,最大で$sim$88%のTop-5拡張精度が得られることを示す。
• 参考スコア（独自算出の注目度）: 1.1933508136781412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A fundamental bottleneck for translating thoughts to speech is the high physical cost of motor input forcing a strict tradeoff between communication speed and expressivity. Generative AI offers a promising solution by expanding highly abbreviated text input into fluent sentences, significantly reducing the motor burden on the user. However, sparse inputs are inherently ambiguous; without sufficient context, AI models frequently misinterpret these abbreviations and generate outputs that fail to align with the user's true cognitive intent. We propose \textit{Cognitive Steering}, a framework that can be leveraged to reconstruct user intent by grounding Large Language Models (LLMs) in multimodal context and applying AI control methods. We demonstrate that aligning frontier models with selected environmental referents, emotional states, and communication motives on simulated abbreviation benchmarks achieves up to $\sim$88\% top-5 expansion accuracy, doubling no-context baselines. We also reveal that different types of context require distinct AI control techniques: while physical objects in a scene are best provided through explicit text prompts, abstract factors like emotion may be more effectively managed by directly altering the AI's internal activations. These findings suggest a hybrid architecture for future interfaces that leverage Cognitive Steering to help users communicate both quickly and accurately, recruiting multiple AI control methods simultaneously to perfectly capture their intended communication goals.
• Abstract（参考訳）: 思考を音声に翻訳するための基本的なボトルネックは、通信速度と表現率の厳密なトレードオフを強制する運動入力の物理的コストが高いことである。 生成AIは、高度に短縮されたテキスト入力を流動的な文に拡張し、ユーザの運動負担を大幅に低減することで、有望なソリューションを提供する。 しかし、スパース入力は本質的に曖昧であり、十分なコンテキストがなければ、AIモデルはこれらの省略をしばしば誤解し、ユーザの真の認知意図と一致しない出力を生成する。 本稿では,大規模言語モデル(LLM)をマルチモーダルなコンテキストで構築し,AI制御手法を適用することで,ユーザ意図の再構築に活用できるフレームワークである‘textit{Cognitive Steering} を提案する。 提案手法は, 環境基準, 感情状態, コミュニケーションモチベーションを模擬略語ベンチマーク上で整合させることで, 最大$\sim$88\%のTop-5拡張精度を実現し, コンテクストベースラインを2倍にすることを示した。 シーン内の物理的なオブジェクトは明示的なテキストプロンプトによって提供されるのが最適だが、感情のような抽象的な要因は、AIの内部アクティベーションを直接変更することで、より効果的に管理される可能性がある。 これらの結果は、Cognitive Steeringを活用する将来のインターフェースのためのハイブリッドアーキテクチャが、ユーザが迅速かつ正確にコミュニケーションできるようにし、複数のAI制御メソッドを同時に採用して、意図したコミュニケーション目標を完璧に捉えていることを示唆している。

関連論文リスト

• Controlling Collectives of AI Agents in Reasoning Space with Spatial Transformers [70.77402879529212]
  大きな言語モデル(LLM)は、ロボット工学における計画とナビゲーションのためのエキサイティングな新しいパラダイムを導入しますが、チームのサイズが大きくなるにつれて、単純なマルチロボットタスクにも失敗します。 本稿では,大規模エージェントロボット群を推論空間フィードバック制御により制御するための,スケーラブルで分散化されたマルチロボットアーキテクチャを提案する。 フィードバックは各ロボット上で,複数のホップメッセージを収集する空間変換器によって局所的に生成され,学習されたフィードバックトークンになる。
  論文  参考訳（メタデータ） (2026-09-23T15:08:35Z)
• Large Language Model based Interactive Decision-Making for Autonomous Driving [9.806333521695466]
  高複雑性の混合交通シナリオでは、既存の自律運転システムは、過度に保守的な振る舞いをデフォルトとする。 本稿では,シーン理解と意図認識の相互作用を増強する大規模言語モデルに基づく対話型意思決定フレームワークを提案する。 クラスタ駆動シミュレータの実験では、提案手法は安全性、快適性、効率の指標で従来のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-04-26T03:19:12Z)
• DependencyAI: Detecting AI Generated Text through Dependency Parsing [10.075606234222963]
  本稿では,AI生成テキストを検出するための簡易かつ解釈可能なアプローチであるDependencyAIを紹介する。 本手法は,モノリンガル,マルチジェネレータ,多言語設定間での競合性能を実現する。
  論文  参考訳（メタデータ） (2026-02-17T11:42:28Z)
• Detect, Explain, Escalate: Low-Carbon Dialogue Breakdown Management for LLM-Powered Agents [30.13634341221476]
  大規模言語モデル(LLM)は、多くのアプリケーションを変えつつありますが、会話のブレークダウンへの感受性は、ユーザ信頼を損なう重要な課題です。 本稿では,低炭素運転を重視したLDMエージェントの対話分解を管理するためのフレームワーク「Detect, Explain, Escalate」を提案する。
  論文  参考訳（メタデータ） (2025-04-26T07:51:05Z)
• Improving Dynamic Object Interactions in Text-to-Video Generation with AI Feedback [130.090296560882]
  テキスト・ビデオ・モデルにおけるオブジェクトの動的性を高めるためのフィードバックの利用について検討する。 本手法は,動的インタラクションにおける映像品質の大幅な向上を駆動するバイナリAIフィードバックを用いて,多様な報酬を効果的に最適化できることを示す。
  論文  参考訳（メタデータ） (2024-12-03T17:44:23Z)
• Dialogue-based generation of self-driving simulation scenarios using Large Language Models [14.86435467709869]
  シミュレーションは自動運転車のコントローラーを開発し評価するための貴重なツールである。 現在のシミュレーションフレームワークは、高度に専門的なドメイン固有言語によって駆動される。 簡潔な英語の発話と、ユーザの意図をキャプチャする実行可能なコードの間には、しばしばギャップがある。
  論文  参考訳（メタデータ） (2023-10-26T13:07:01Z)
• A Contextualized Real-Time Multimodal Emotion Recognition for Conversational Agents using Graph Convolutional Networks in Reinforcement Learning [0.800062359410795]
  強化学習(conER-GRL)を用いたグラフ畳み込みネットワークを用いた文脈的感情認識のための新しいパラダイムを提案する。 会話は、文脈情報の効果的な抽出のために、発話の小さなグループに分割される。 このシステムは、GRU(Gated Recurrent Units)を用いて、これらの発話群からマルチモーダル特徴を抽出する。
  論文  参考訳（メタデータ） (2023-10-24T14:31:17Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• Read Like Humans: Autonomous, Bidirectional and Iterative Language Modeling for Scene Text Recognition [80.446770909975]
  言語知識はシーンのテキスト認識に非常に有益である。 エンドツーエンドのディープネットワークで言語規則を効果的にモデル化する方法はまだ研究の課題です。 シーンテキスト認識のための自律的双方向反復型ABINetを提案する。
  論文  参考訳（メタデータ） (2021-03-11T06:47:45Z)

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。