論文の概要: Human--AI Interactions as First-Class Data: A Formal Interaction Model and Runtime for Explainable AI Collaboration

• arxiv url: http://arxiv.org/abs/2610.40006v1
• Date: Thu, 29 Oct 2026 13:23:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.088103
• Title: Human--AI Interactions as First-Class Data: A Formal Interaction Model and Runtime for Explainable AI Collaboration
• Title（参考訳）: 第一級データとしての人間-AIインタラクション: 説明可能なAIコラボレーションのための形式的インタラクションモデルと実行
• Abstract要約: 本稿では,Human-AI インタラクション記述言語 (HAIDL) を紹介する。 HAIDLは、各インタラクションを、計算コンテキスト、ユーザリクエスト、プロンプトペイロード、AIレスポンス、フィードバック、問題コンテキスト、モデルメタデータをキャプチャする構造化オブジェクトとしてエンコードする。
• 参考スコア（独自算出の注目度）: 1.3223046975294452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI assistants are increasingly embedded in computational notebooks, scientific workflows, software engineering tools, and learning systems, yet human-AI interactions are often treated as transient prompt-response exchanges rather than durable data products, hindering reproducibility, explainability, replay, behavioral analysis, and adaptive AI support. We argue that these interactions form a new data class requiring formal representation and introduce the Human-AI Interaction Description Language (HAIDL), a formal interaction model with a Backus-Naur Form-inspired concrete syntax. HAIDL encodes each interaction as a structured object capturing computational context, user request, prompt payload, AI response, feedback, problem context, provenance, and model metadata. We integrate this vision into HAIDL-X, a middleware for JupyterLab that instantiates HAIDL by capturing user-bot state, building contextualized prompts, interfacing with AI providers, collecting feedback, and storing interactions in a repository. We add a learning layer over HAIDL that maps interaction objects and notebook execution traces into reproducible measures of user behavior, including engagement, performance, help-seeking, error-oriented use, and learning personas. HAIDL-X provides a foundation for treating human-AI collaboration as structured, queryable, replayable, analyzable data.
• Abstract（参考訳）: AIアシスタントは、計算ノート、科学ワークフロー、ソフトウェアエンジニアリングツール、学習システムにますます組み込まれていますが、人間とAIのインタラクションは、耐久性のあるデータ製品ではなく、過渡的な即時応答交換として扱われ、再現性、説明可能性、リプレイ、行動分析、適応型AIサポートを妨げています。 我々はこれらの相互作用が形式表現を必要とする新しいデータクラスを形成し、バックス・ナウル形式に着想を得た具体的な構文との形式的相互作用モデルであるHuman-AI Interaction Description Language (HAIDL)を導入することを論じる。 HAIDLは、各インタラクションを、計算コンテキスト、ユーザリクエスト、プロンプトペイロード、AIレスポンス、フィードバック、問題コンテキスト、証明、モデルメタデータをキャプチャする構造化オブジェクトとしてエンコードする。 私たちはこのビジョンを、JupyterLabのミドルウェアであるHAIDL-Xに統合します。これは、ユーザボットの状態のキャプチャ、コンテキスト化されたプロンプトの構築、AIプロバイダとのインターフェース、フィードバックの収集、リポジトリ内のインタラクションの保存によって、HAIDLをインスタンス化するものです。 HAIDL上に学習層を追加し、インタラクションオブジェクトとノートブック実行トレースを、エンゲージメント、パフォーマンス、ヘルプ検索、エラー指向の使用、学習ペルソナを含む再現可能なユーザ行動尺度にマッピングする。 HAIDL-Xは、人間とAIのコラボレーションを構造化され、クエリ可能で、再生可能で、分析可能なデータとして扱う基盤を提供する。

関連論文リスト

• Towards Unconstrained Human-Object Interaction [55.123145316966635]
  ヒューマン・オブジェクト・インタラクション(Human-Object Interaction,HOI)検出は、長年続くコンピュータビジョンの問題である。 MLLM(Multimodal Large Language Models)の出現により、対話認識のためのより柔軟なパラダイムを探求することが可能になった。 本研究では,MLLM のレンズによるHOI検出を再検討し,HOI検出に応用する。
  論文  参考訳（メタデータ） (2026-04-15T16:39:28Z)
• AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
  VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。 記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。 今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
  論文  参考訳（メタデータ） (2025-09-17T11:27:45Z)
• Contextualized Representation Learning for Effective Human-Object Interaction Detection [17.242400169885453]
  ヒューマンオブジェクトインタラクション(HOI)検出は、人間オブジェクトのペアを同時にローカライズし、その相互作用を認識することを目的としている。 本研究では,条件付き推論と文脈的プロンプトを統合した文脈適応型表現学習を提案する。 提案手法は, HICO-DetデータセットとV-COCOデータセットの両方において, 多くのシナリオにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2025-09-16T08:03:16Z)
• Collaborative Instance Object Navigation: Leveraging Uncertainty-Awareness to Minimize Human-Agent Dialogues [54.81155589931697]
  協調インスタンスオブジェクトナビゲーション(CoIN)は、エージェントがターゲットインスタンスに関する不確実性を積極的に解決する新しいタスク設定である。 未認識者に対するエージェント・ユーザインタラクション(AIUTA)の新たな学習自由化手法を提案する。 まず、オブジェクト検出時に、セルフクエチオナーモデルがエージェント内で自己対話を開始し、完全かつ正確な観察記述を得る。 インタラクショントリガーモジュールは、人間に質問するか、継続するか、ナビゲーションを停止するかを決定する。
  論文  参考訳（メタデータ） (2024-12-02T08:16:38Z)
• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• IDAT: A Multi-Modal Dataset and Toolkit for Building and Evaluating Interactive Task-Solving Agents [20.460482488872145]
  本稿では,接地型自然言語命令の理解と実行が可能な対話型エージェントを開発する上での課題について述べる。 本研究では,Minecraftのような環境下で対話型接地言語命令を収集するためのスケーラブルなデータ収集ツールを提案する。 定性解析とエージェント性能比較のためのヒューマン・イン・ザ・ループ対話型評価プラットフォームを提案する。
  論文  参考訳（メタデータ） (2024-07-12T00:07:43Z)
• Improving Grounded Language Understanding in a Collaborative Environment by Interacting with Agents Through Help Feedback [42.19685958922537]
  我々は、人間とAIのコラボレーションは対話的であり、人間がAIエージェントの作業を監視し、エージェントが理解し活用できるフィードバックを提供するべきだと論じている。 本研究では, IGLUコンペティションによって定義された課題である, マイニングクラフトのような世界における対話型言語理解タスクを用いて, これらの方向を探索する。
  論文  参考訳（メタデータ） (2023-04-21T05:37:59Z)
• VIRT: Improving Representation-based Models for Text Matching through Virtual Interaction [50.986371459817256]
  本稿では,VIRT と呼ばれる新しいtextitVirtual InteRacTion 機構を提案する。 VIRTは、表現ベースのエンコーダに、対話ベースのモデルのように振舞いを模倣する仮想インタラクションを実行するよう要求する。
  論文  参考訳（メタデータ） (2021-12-08T09:49:28Z)

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。