論文の概要: Understanding the Effects of Multi-Agent Deliberation for Human-AI Decision-Making
- arxiv url: http://arxiv.org/abs/2611.14901v1
- Date: Wed, 11 Nov 2026 01:42:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.977512
- Title: Understanding the Effects of Multi-Agent Deliberation for Human-AI Decision-Making
- Title(参考訳): ヒューマンAI意思決定におけるマルチエージェント検討の効果の理解
- Abstract要約: マルチエージェントの議論は多くのベンチマークでAIのパフォーマンスを改善するが、人間がより良い判断を下すのに役立つかどうかはまだ検証されていない。
私たちはまず、MADと一般的なAI意思決定支援手法を比較し、その2つの定義された次元 -- マルチAIとマルチラウンドインタラクション -- を分離する。
私たちは、MADが両方のタスクでシングルラウンドAIアシストを上回っていることに気付きました。
- 参考スコア(独自算出の注目度): 7.210960987317609
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-agent deliberation (MAD), where multiple LLMs engage in structured discussion, improves AI performance on many benchmarks, but whether it helps humans make better decisions remains untested. We conduct two user studies on LLM-response-verification and fact-checking. We first compare MAD against common AI decision-support methods that isolate its two defining dimensions --- multiple AIs and multi-round interaction. We find MAD outperformed single-round AI assistance on both tasks; multi-round interaction was the main driver of this benefit, while a second AI added value when the single AI had room to improve. Then, we study two design choices in MAD --- AI persona and human engagement level --- finding a devil's advocate persona to lower accuracy and user experience, while humans' active participation in MAD improved accuracy in one task at the cost of frustration. We conclude by discussing implications for when, why, and how multi-agent deliberation can support human decision-making.
- Abstract(参考訳): 複数のLLMが構造化された議論を行うマルチエージェント検討(MAD)は、多くのベンチマークでAIのパフォーマンスを改善するが、人間がより良い判断を下すのに役立つかどうかはまだテストされていない。
LLM-Response-verification と fact-checking の2つのユーザ研究を行っている。
私たちはまず、MADと一般的なAI意思決定支援手法を比較し、その2つの定義された次元 -- マルチAIとマルチラウンドインタラクション -- を分離する。
マルチラウンドインタラクションがこのメリットの主な要因でしたが、第2のAIは、単一のAIが改善の余地がある場合に、その価値を高めました。
そこで,我々は,AIペルソナと人間エンゲージメントの2つの設計選択について検討し,デビルのプロモートペルソナを精度とユーザエクスペリエンスを低下させる一方で,ヒトのMADへの積極的な参加は,フラストレーションを犠牲にして1つのタスクにおける精度を向上させた。
我々は、いつ、なぜ、そしてマルチエージェントの審議が人間の意思決定をどのように支援できるかについて、その意味を議論することで結論づける。
関連論文リスト
- Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳(メタデータ) (2026-06-02T22:58:19Z) - The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration [0.904861150954008]
大規模言語モデル(LLM)は、コラボレーションのためのインタラクティブなツールとして、教育環境においてますます使われている。
誤りがあってもユーザの信念と整合し、学習と意思決定に対する懸念を喚起する。
本研究では, サイコファンティックアライメントが, マルチターンヒトとAIの相互作用においてどのように現れるかを検討する。
論文 参考訳(メタデータ) (2026-05-18T13:20:45Z) - Explainable AI as a Double-Edged Sword in Dermatology: The Impact on Clinicians versus The Public [46.86429592892395]
説明可能なAI(XAI)は、AI意思決定の洞察を提供することによって、この問題に対処する。
フェアネスに基づく診断AIモデルと異なるXAI説明を組み合わせた2つの大規模実験の結果を報告する。
論文 参考訳(メタデータ) (2025-12-14T00:06:06Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳(メタデータ) (2024-10-21T22:39:52Z) - Improving Human-AI Collaboration With Descriptions of AI Behavior [14.904401331154062]
人々はAIシステムを使って意思決定を改善するが、しばしばAIの予測を過度に、あるいは過度に予測し、手伝わなかったよりも悪いパフォーマンスをする。
人々がAIアシスタントを適切に頼りにするために、行動記述を示すことを提案する。
論文 参考訳(メタデータ) (2023-01-06T00:33:08Z) - The Response Shift Paradigm to Quantify Human Trust in AI
Recommendations [6.652641137999891]
説明可能性、解釈可能性、そしてそれらがAIシステムに対する人間の信頼にどれほど影響するかは、究極的には機械学習と同じくらいの人間の認知の問題である。
我々は,AIレコメンデーションが人的決定に与える影響を定量化する汎用のヒューマン・AIインタラクション・パラダイムを開発し,検証した。
我々の実証・実証パラダイムは、急速に成長するXAI/IAIアプローチをエンドユーザーへの影響の観点から定量的に比較することができる。
論文 参考訳(メタデータ) (2022-02-16T22:02:09Z) - Does the Whole Exceed its Parts? The Effect of AI Explanations on
Complementary Team Performance [44.730580857733]
以前の研究では、AIが人間と最高のチームの両方を上回った場合にのみ、説明による改善が観察された。
我々は、3つのデータセットで混合メソッドのユーザー研究を行い、人間に匹敵する精度のAIが、参加者のタスク解決に役立ちます。
説明は、人間がAIの推奨を受け入れる可能性を高める。
論文 参考訳(メタデータ) (2020-06-26T03:34:04Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳(メタデータ) (2020-04-27T19:06:28Z)
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。