人間中心の遅延推論：人間-AI チームのユーザーインタラクションの測定と遅延基準の設定

深層学習は新しく影響力のあるインターフェースの可能性を秘めていますが、その約束を実現することは依然として課題です。データセット主導の深層学習モデルは一度の人間入力を前提としているため、ユーザーが提供する入力を理解できない場合に対処策がありません。遅延推論を通じて不確実なときに追加の人間入力を求める手法は意味のある改善を示していますが、ユーザーとモデルの相互作用に関する重要な側面を無視しています。本研究では、遅延推論におけるユーザーの役割に焦点を当て、遅延基準はモデル自体だけでなく、チームとしてのユーザーとモデルの関数であるべきだと主張します。これを支えるために、新しい数学的定式化を導入し、深層学習ベースの視覚言語モデルとの相互作用を分析する25人の実験によって検証し、以前の研究で十分に探求されていないユーザー固有の依存関係を特定しました。最後に、実装が簡単で、多様なタスクに適用可能であり、はるかに大きなデータセットを使用する同等の手続きと同等またはそれ以上の性能を発揮する遅延基準を設定するための2つの人間中心の手続きを示します。