論文の概要: Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents

• arxiv url: http://arxiv.org/abs/2611.03092v1
• Date: Mon, 02 Nov 2026 13:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.602624
• Title: Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents
• Title（参考訳）: アバター・インテリジェンス:永続的なパーソナルエージェントによる人間エージェントの増幅
• Abstract要約: 我々は,ユーザの目標,価値観,制約を表現する永続的パーソナルエージェントのパラダイムであるアバターインテリジェンスを提唱する。 本稿では、人間指向実行から、デリゲートされたドメイン内の自律運用までの成熟度ロードマップについて述べる。 タスク間でユーザの好みを伝達するアイデンティティ連続型パーソナライゼーション、リハーサルエンジニアリングによるユーザ指定進化、技術的コントロールと説明責任とレコメンデーションを組み合わせた安全メカニズムの3つの主要な研究課題を特定する。
• 参考スコア（独自算出の注目度）: 25.391777635401795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personal AI agents are increasingly capable of handling long-horizon tasks across applications, yet users often need to invest substantial effort in specifying goals, resolving ambiguity, and verifying outcomes. We argue that progress should be measured by how effectively agents amplify human agency: enabling people to pursue their goals with less routine supervision while retaining control over consequential decisions. We advocate Avatar Intelligence, a paradigm of persistent personal agents that represent users' goals, values, and constraints through sustained decision delegation across contexts and time. We describe a maturity roadmap from human-directed execution to autonomous operation within delegated domains, and introduce the Agentic Oversight Index (AOI) as a framework for evaluating delivered value against agent-side operational cost and human oversight burden. We identify three core research challenges: identity-continuous personalization that carries user preferences across tasks, user-situated evolution through Rehearsal Engineering, and safety mechanisms that combine technical control with accountability and recourse. These directions define a research agenda for reliable decision delegation to personal agents across tasks and over time.
• Abstract（参考訳）: パーソナルAIエージェントは、アプリケーション全体にわたる長期タスクを扱う能力がますます高まっているが、ユーザは目標の指定や曖昧さの解消、結果の検証に多大な労力を費やす必要があることが多い。 我々は、エージェントがいかに効果的に人的エージェンシーを増幅するかによって、進捗を測定するべきであると論じる。 アバター・インテリジェンス(Avatar Intelligence)は、ユーザの目標、価値観、制約を表現する永続的なパーソナルエージェントのパラダイムであり、コンテキストと時間の横断的な決定委譲によって実現される。 本稿では,エージェント側の運用コストと人的監視負担に対する納品価値を評価する枠組みとして,エージェント監視指標(AOI)を導入する。 タスク間でユーザの好みを伝達するアイデンティティ連続型パーソナライゼーション、リハーサルエンジニアリングによるユーザ指定進化、技術的コントロールと説明責任とレコメンデーションを組み合わせた安全メカニズムの3つの主要な研究課題を特定する。 これらの方向は、タスクや時間とともに個人エージェントに対する信頼性の高い決定委任に関する研究課題を定義する。

関連論文リスト

• A Three-Pillar Governance Framework for Safe and Trustworthy AI Agents [0.0]
  本稿では,安全で信頼性の高いAIエージェントを開発するための3ピラー(3P)モデルとフレームワークを提案する。 これは、プログレッシブ・バリデーション、構造化された人間の監視、監査可能な操作制御を通じて、エージェントの自律性を高める進化経路を定義する。
  論文  参考訳（メタデータ） (2026-10-21T20:55:24Z)
• ComBodied Agents: a New Paradigm of Human-Centric Agentic AI [121.60938707072069]
  我々は、人間中心のパラダイムであるCombodied Agentsを紹介し、時間とともに個々の人間状態の軌跡を知覚し、モデル化し、予測し、支援する。 パーソナルアシスタント、ヘルスエージェント、AIコンパニオン、適応型ヒューマンAIシステムをクローズドループに統合する。
  論文  参考訳（メタデータ） (2026-08-11T13:35:58Z)
• Humans are Missing from AI Coding Agent Research [116.47136146149226]
  我々は、自律的なプログラミングエージェントから人間中心のコーディングエージェントへの方向転換を主張する。 課題解決ループを特徴付ける4つの中核的相互作用レベルを同定する。
  論文  参考訳（メタデータ） (2026-07-04T01:24:03Z)
• Momento: Evaluating Persistent Memory and Reasoning with Multi-Session Agentic Conversations [14.480725554900777]
  マルチセッションサービス環境における永続的エージェントタスク補完のためのベンチマークであるMomentoを紹介する。 実験結果から,現在のエージェントはユーザ状態の誤推定によってフェールすることが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-30T18:08:51Z)
• Robot-Gated Interactive Imitation Learning with Adaptive Intervention Mechanism [48.41735416075536]
  インタラクティブ・イミテーション・ラーニング (Interactive Imitation Learning, IIL) は、エージェントが人間の介入を通じて望ましい行動を取得することを可能にする。 本稿では,人間の実演を依頼する適応的基準を学習するロボットゲート型IILアルゴリズムであるAdaptive Intervention Mechanism (AIM)を提案する。
  論文  参考訳（メタデータ） (2025-06-10T18:43:26Z)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)

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。