論文の概要: Must AI Spell It Out? Pragmatic Comprehension of Alerts in a Time-Critical Task
- arxiv url: http://arxiv.org/abs/2611.03976v1
- Date: Mon, 02 Nov 2026 21:14:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 10:06:43.591705
- Title: Must AI Spell It Out? Pragmatic Comprehension of Alerts in a Time-Critical Task
- Title(参考訳): AIを駆り出さなければならない? 時間的批判的なタスクにおけるアラートの実践的理解
- Abstract要約: 我々は,システムが残したものを暗黙的に復元することができ,実践的なコミュニケーションが変化する世界の制約の下で効果的な支援を支援することができることを示す。
この結果から,システムは暗黙的に残されているものを復元することができ,現実的なコミュニケーションは変化する世界の制約の下で効果的な支援を支援することができることがわかった。
- 参考スコア(独自算出の注目度): 14.739890776831556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assistive systems typically tell users everything, often spending time and attention on what a user already knows, leaving less for what happens next. People, on the other hand, leave out what they expect the listener can supply. Can people use their prior knowledge to understand an incomplete message when the speaker is a machine though? We studied this pragmatic comprehension in a monitoring task controlling users' prior knowledge and the available time to detect critical situations. In a preregistered study (N=114), we compared a pragmatic planner that reasons over a model of the listener's knowledge to decide what to say, when, and how explicitly, with a baseline specifying problems fully in onset order. Participants resolved underspecified alerts almost as reliably as fully specified ones and sooner, detected more problems, and rated the pragmatic assistant helpful more often, with no increase in reported mental demand. Our findings show that people can recover what the system left implicit and that pragmatic communication can support effective assistance under the constraints of a changing world.
- Abstract(参考訳): 補助システムは通常、ユーザにすべてを伝え、しばしば、ユーザがすでに知っていることに時間と注意を払って、次に何が起こるのかを減らします。
一方、人々はリスナーが提供できると期待するものを残します。
しかし、スピーカーが機械であるとき、人々は以前の知識を使って不完全なメッセージを理解することができますか?
本研究では,ユーザの事前知識と重要な状況を検出するための時間を制御するモニタリングタスクにおいて,この実用的理解について検討した。
事前登録された調査 (N=114) において、我々は、聞き手の知識のモデルに基づいて、何、いつ、どのように明示するかを決定するための実践的なプランナーを比較した。
参加者は、特定されていないアラートを、完全に特定されたアラートと同じくらい確実に解決し、より早く、より多くの問題を検出し、報告された精神的な要求を増すことなく、実用的なアシスタントをより頻繁に評価した。
この結果から,システムは暗黙的に残されているものを復元することができ,実践的なコミュニケーションは変化する世界の制約の下で効果的な支援を支援することができることがわかった。
関連論文リスト
- From Gaze to Guidance: Interpreting and Adapting to Users' Cognitive Needs with Multimodal Gaze-Aware AI Assistants [28.551571494174723]
我々は、視線オーバーレイを用いた自我中心ビデオを用いた、視線付きマルチモーダルLLMアシスタントを提案する。
従来のLLMアシスタントと比較して、視線認識アシスタントははるかに正確でパーソナライズされた。
論文 参考訳(メタデータ) (2026-04-09T10:25:42Z) - From Use to Oversight: How Mental Models Influence User Behavior and Output in AI Writing Assistants [70.1699066541501]
システムの動作に関する機能的、あるいは関連性、システムの動作に関する構造的、あるいは関連性という、2つのタイプのメンタルモデルについて検討する。
構造的精神モデル状態の参加者は、システムに対する理解を深める一方、これはバックフィリング効果をもたらす可能性がある。
論文 参考訳(メタデータ) (2026-04-06T20:50:44Z) - Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems [55.99999020778169]
本稿では,次の単語を予測し,発話終了まで残される時間を推定する機能について検討する。
我々は,音響情報と言語情報の両方を組み込んだクロスアテンションに基づくアルゴリズムを開発した。
その結果,提案モデルでは,提案する単語を予測し,将来のEOUイベントを実際のEOUより300ミリ秒前まで推定する能力を示した。
論文 参考訳(メタデータ) (2024-09-30T06:29:58Z) - How Prevalent is Gender Bias in ChatGPT? -- Exploring German and English ChatGPT Responses [0.20971479389679337]
私たちは、ChatGPTが、IT以外のユーザが日々の作業のためにテキストをドラフトするのに役立つことを示しています。
システムの応答をバイアスだけでなく、構文的および文法的ミスに対して徹底的にチェックすることが極めて重要です。
論文 参考訳(メタデータ) (2023-09-21T07:54:25Z) - Consistency Analysis of ChatGPT [65.268245109828]
本稿では,ChatGPTとGPT-4の論理的一貫した行動に対する信頼性について検討する。
その結果,両モデルとも言語理解能力と推論能力が向上しているように見えるが,論理的に一貫した予測が得られないことが示唆された。
論文 参考訳(メタデータ) (2023-03-11T01:19:01Z) - When to Ask for Help: Proactive Interventions in Autonomous
Reinforcement Learning [57.53138994155612]
強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。
重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。
本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-19T17:57:24Z) - Real-time Caller Intent Detection In Human-Human Customer Support Spoken
Conversations [10.312382727352823]
ヒューマン・ヒューマン・カスタマーサポート音声対話におけるエージェント支援には、発信者の意図に基づくトリガーが必要である(通話の理由)
目的は、エージェントがそれを検出できた時、システムが呼び出し者の意図を検出することである(Intent Boundary)。
音声アシスタントの最近の研究は、単語単位の段階的なリアルタイム予測を使用して、コマンドの終了前に意図を検出する。
論文 参考訳(メタデータ) (2022-08-14T07:50:23Z) - Are Akpans Trick or Treat: Unveiling Helpful Biases in Assistant Systems [55.09907990139756]
情報探索型AIアシスタントシステムは,ユーザの知識に関する質問に対して,タイムリーに回答することを目的としている。
本稿では,有用性の計算測度について検討する。
最先端の対話システムを用いた実験により、既存のシステムは高度開発途上国の概念に関する質問に役立っていることが明らかとなった。
論文 参考訳(メタデータ) (2022-05-25T07:58:38Z) - Transforming unstructured voice and text data into insight for paramedic
emergency service using recurrent and convolutional neural networks [68.8204255655161]
救急隊員は救急車内で限られた時間内に救命判断をしなければならないことが多い。
本研究の目的は、音声とテキストデータを自動的に融合して、救急隊員に適切な状況認識情報を提供することである。
論文 参考訳(メタデータ) (2020-05-30T06:47:02Z)
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。