論文の概要: SimXAI: A Simple Drop-in Layer Increases Interaction Quality and Understanding in Conversational XAI

• arxiv url: http://arxiv.org/abs/2610.41856v1
• Date: Fri, 30 Oct 2026 15:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.783334
• Title: SimXAI: A Simple Drop-in Layer Increases Interaction Quality and Understanding in Conversational XAI
• Title（参考訳）: SimXAI: 対話型XAIにおけるインタラクション品質と理解を高めるシンプルなドロップインレイヤ
• Abstract要約: SimXAIは、意図認識、対話管理、応答生成のためのGASスタイルのモジュールを置き換える軽量な対話層である。 スタンドアロンのエージェントではなく、SimXAIは外部のXAIリソースへの対話アクセスを可能にするモジュールインターフェースとして機能する。 SimXAIは、コンテキスト依存の要求を処理しながら、強い関数選択精度と高い忠実性を達成する。
• 参考スコア（独自算出の注目度）: 16.850247110308498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational explainable AI (ConvXAI) agents often use GUS-style architectures with separate modules for intent recognition, dialogue management, and template-based response generation. While faithful to the underlying XAI methods, these pipelines are hard to adapt and often struggle with context-dependent follow-up questions. We present SimXAI, a lightweight LLM-centric conversational layer that replaces these modules with a single tool-calling LLM that bridges access to existing XAI resources. Rather than a standalone agent, SimXAI serves as a modular interface that enables conversational access to external XAI resources. We further introduce an evaluation suite for single- and multi-turn parsing, faithfulness, and contextualization. Across existing and new datasets, SimXAI achieves strong function-selection accuracy and high faithfulness while better handling context-dependent requests. In a user study replacing only the conversational layer of TalkToModel, a representative GUS-based agent, users completed tasks more accurately and in fewer turn. Overall, SimXAI improves GUS-based design while preserving faithfulness and improving conversational quality.
• Abstract（参考訳）: 会話説明可能なAI(ConvXAI)エージェントは、意図認識、対話管理、テンプレートベースの応答生成のための別々のモジュールを持つGUSスタイルのアーキテクチャを使用することが多い。 基礎となるXAIメソッドに忠実だが、これらのパイプラインは適応が困難であり、コンテキストに依存したフォローアップ質問に苦労することが多い。 我々は,これらのモジュールを,既存のXAIリソースへのアクセスをブリッジする単一のツールコールLDMに置き換える,軽量なLLM中心の対話層であるSimXAIを提案する。 スタンドアロンのエージェントではなく、SimXAIは外部のXAIリソースへの対話アクセスを可能にするモジュールインターフェースとして機能する。 さらに,単ターン解析,多ターン解析,忠実度,文脈化のための評価スイートについても紹介する。 既存のデータセットと新しいデータセット全体で、SimXAIは強い関数選択の精度と高い忠実度を実現し、コンテキスト依存の要求をよりうまく処理する。 代表的なGASエージェントであるTalkToModelの会話層のみを置き換えたユーザスタディでは,より正確かつ少ないターンでタスクを完了した。 全体として、SimXAIは、忠実さを維持しながら、GUSベースの設計を改善し、会話品質を向上させる。

関連論文リスト

• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
  大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。 既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。 本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
  論文  参考訳（メタデータ） (2025-08-18T07:38:23Z)
• Towards Anthropomorphic Conversational AI Part I: A Practical Framework [49.62013440962072]
  会話に関わる人間の知性の重要な側面を再現するために設計されたマルチモジュールフレームワークを導入する。 アプローチの第2段階では、これらの会話データは、フィルタリングとラベル付けの後に、強化学習のためのトレーニングおよびテストデータとして機能する。
  論文  参考訳（メタデータ） (2025-02-28T03:18:39Z)
• Measuring User Understanding in Dialogue-based XAI Systems [2.4124106640519667]
  XAIの最先端は、単発、非個人化、一方通行の説明が特徴である。 本稿では,ユーザが学習しているモデルの予測をシミュレートして,3段階のユーザ理解を計測する。 我々は、高い理解率と低い理解率の集団間の相互作用のパターンを明らかにするために、データを分析した。
  論文  参考訳（メタデータ） (2024-08-13T15:17:03Z)
• CoXQL: A Dataset for Parsing Explanation Requests in Conversational XAI Systems [15.403790602937587]
  大規模言語モデル(LLM)に基づく会話説明型人工知能(ConvXAI)システムは,研究コミュニティから大きな関心を集めている。 我々は、ConvXAIでユーザ意図認識のための最初のデータセットであるCoXQLを紹介し、31のインテントをカバーし、そのうち7つは複数のスロットを埋める必要がある。 我々は,改良された解析手法 (MP+) が従来の手法よりも優れていると結論付けた。
  論文  参考訳（メタデータ） (2024-06-12T11:27:10Z)
• Usable XAI: 10 Strategies Towards Exploiting Explainability in the LLM Era [76.12435556140515]
  XAIは大規模言語モデル(LLM)の説明に向けて拡張されている 本稿では、XAIがLLMベースのAIシステムをどのように説明し、改善するかを分析する。 10の戦略を導入し、それぞれに重要なテクニックを導入し、関連する課題について議論します。
  論文  参考訳（メタデータ） (2024-03-13T20:25:27Z)
• ConvXAI: Delivering Heterogeneous AI Explanations via Conversations to Support Human-AI Scientific Writing [45.187790784934734]
  本稿では,AIを活用した科学書記タスクのための会話型XAIについて述べる。 我々は、"multifaceted"、"controllability"、"mix-initiative"、"context-aware drill-down"の4つの設計論理を識別する。 我々はそれらをインタラクティブなプロトタイプであるConvXAIに組み込み、対話を通じて科学的記述のための異種AI説明を容易にする。
  論文  参考訳（メタデータ） (2023-05-16T19:48:49Z)
• Optimizing Explanations by Network Canonization and Hyperparameter Search [74.76732413972005]
  ルールベースで修正されたバックプロパゲーションXAIアプローチは、モダンなモデルアーキテクチャに適用される場合、しばしば課題に直面します。 モデルカノン化は、基礎となる機能を変更することなく問題のあるコンポーネントを無視してモデルを再構成するプロセスである。 本研究では、一般的なディープニューラルネットワークアーキテクチャに適用可能な、現在関連するモデルブロックのカノン化を提案する。
  論文  参考訳（メタデータ） (2022-11-30T17:17:55Z)

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。