論文の概要: Agentic Path Maps: Exposing an Agent's Traversal Through the Garden of Forking Paths
- arxiv url: http://arxiv.org/abs/2611.04183v1
- Date: Tue, 03 Nov 2026 02:20:22 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:33:12.168329
- Title: Agentic Path Maps: Exposing an Agent's Traversal Through the Garden of Forking Paths
- Title（参考訳）: エージェントパスマップ:フォークパスの庭からエージェントのトラバースを抽出する
- Abstract要約: 我々は、AIエージェントが実行後にユーザーに影響があるが、未調査の経路をどのように伝達するかを調査する。
まず、代替経路を通信するための設計空間を蒸留し、新しいシステムの構築を支援する。
次に、ユーザ理解に対する1つの重要な設計空間次元の影響を計測する。
- 参考スコア（独自算出の注目度）: 19.18853462724474
- License:
- Abstract: When an AI agent executes an underspecified task, it embeds choices that may contradict unarticulated user context and preferences. However, interrupting the user for clarification on all such decisions is untenable. How might agents communicate impactful, but unexplored, paths to the user after execution? To investigate, we first distill a design space for communicating alternative paths, supporting the generation of new systems and structuring dimensions of future study. We then measure the impact of one vital design space dimension on user comprehension: the number of alternatives displayed. Through a user study (n=48) in the data analysis domain, we find that participants rarely consider alternative paths of their own volition, but AI overreliance reduces when alternative paths are visualized for them. By revealing paths the agent did not take, we demonstrate how users can better interpret results and incorporate personal context.
- Abstract（参考訳）: AIエージェントが未指定のタスクを実行すると、不正なユーザコンテキストや好みに反する可能性のある選択を埋め込む。
しかし、そのような決定を明確化するためにユーザーを中断することは不可能である。
エージェントは、実行後にユーザに対して、影響のある、しかし探索されていない、経路を通信するだろうか?
そこで本研究では,まず,代替経路を通信するための設計空間を蒸留し,新しいシステムの構築と今後の研究の構造化について検討する。
次に,1つの重要な設計空間次元がユーザ理解に与える影響,すなわち表示可能な選択肢の数を測定する。
データ分析領域のユーザスタディ(n=48)を通して、参加者は自分の意志の代替パスを考えることはめったにないが、AI過信は、その代替パスが視覚化されるときに減少する。
エージェントが取らなかった経路を明らかにすることで、ユーザが結果をよりよく解釈し、個人的コンテキストを組み込むことができることを示す。
関連論文リスト
- What Happens During Autonomous Deep Research After the User Steps Away? [12.806348370572715]
自律的なディープリサーチでは、ユーザーはタスクと関連するバックグラウンドを提供し、さらに人間の介入なしに拡張された調査を行うためにエージェントを離れる。
我々は、この初期ユーザー情報を中間行動にどのように反映するか、そしてこれらの行動が最終勧告にどう関係するかを考察する。
タスク関連ユーザファクタを1つ変更して、残りのコンテキストを固定しながら、取得要求、作業ドラフト、最終報告を比較します。
論文 参考訳（メタデータ） (2026-09-27T12:29:38Z) - 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) - ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Turning Intent into Specifications: A Benchmark and an Interactive User-Assistant Agent [22.126763421836966]
SpecBenchは、エージェントがユーザの意図を構造化された実行可能な仕様に変換する能力を評価するための新しいベンチマークである。
エージェントには過去のユーザ会話へのアクセスが与えられ、一定回数のラウンドでユーザと対話して、明確な質問をすることができる。
論文 参考訳（メタデータ） (2026-05-13T16:07:43Z) - Semantic Commit: Helping Users Update Intent Specifications for AI Memory at Scale [12.05355235353984]
我々は、AIインターフェースが自然言語データのリポジトリに新しい情報を統合するのにどのように役立つかを検討する。
非局所的な影響で意味変化を管理するための手法とUIを開発する。
インテント仕様の更新時にユーザがコンフリクトを解決する方法を理解するために,SemanticCommitというインターフェースを開発した。
論文 参考訳（メタデータ） (2025-04-12T17:07:08Z) - When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。
タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
論文 参考訳（メタデータ） (2025-02-21T02:24:43Z) - User Strategization and Trustworthy Algorithms [81.82279667028423]
ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。
そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
論文 参考訳（メタデータ） (2023-12-29T16:09:42Z) - Conceptualizing the Relationship between AI Explanations and User Agency [0.9051087836811617]
我々は,ケーススタディと思考実験を通して,ユーザ中心のレンズを通してエージェントと説明の関係を分析する。
提案手法は,利用者が将来的なインタラクションにおいて,より効果的な結果の変換を行えるようにすることで,エージェンシーのためのいくつかの第1ステップの1つとなることが判明した。
論文 参考訳（メタデータ） (2023-12-05T23:56:05Z) - Explore before Moving: A Feasible Path Estimation and Memory Recalling
Framework for Embodied Navigation [117.26891277593205]
ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。
移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。
EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
論文 参考訳（メタデータ） (2021-10-16T13:30:55Z) - Not all users are the same: Providing personalized explanations for
sequential decision making problems [25.24098967133101]
本研究では,エンドツーエンドの適応的説明生成システムを提案する。
最初は、エージェントが対話できるさまざまなタイプのユーザを学習することから始まる。
その後、ハエの型を特定し、それに応じて説明を調整する。
論文 参考訳（メタデータ） (2021-06-23T07:46:19Z)
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。