Fugu-MT 論文翻訳(概要): LLMs Simulate Big Five Personality Traits: Further Evidence

論文の概要: LLMs Simulate Big Five Personality Traits: Further Evidence

arxiv url: http://arxiv.org/abs/2402.01765v1
Date: Wed, 31 Jan 2024 13:45:25 GMT
ステータス: 処理完了
システム内更新日: 2024-02-11 15:51:22.877209
Title: LLMs Simulate Big Five Personality Traits: Further Evidence
Title（参考訳）: LLMは大きな5人の人格をシミュレートする: さらなる証拠
Authors: Aleksandra Sorokovikova, Natalia Fedorova, Sharwin Rezagholi, Ivan P. Yamshchikov
Abstract要約: Llama2, GPT4, Mixtralでシミュレートされた性格特性を解析した。このことは、パーソナリティ特性をシミュレートするLLMの能力のより広範な理解に寄与する。
参考スコア（独自算出の注目度）: 51.13560635563004
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An empirical investigation into the simulation of the Big Five personality traits by large language models (LLMs), namely Llama2, GPT4, and Mixtral, is presented. We analyze the personality traits simulated by these models and their stability. This contributes to the broader understanding of the capabilities of LLMs to simulate personality traits and the respective implications for personalized human-computer interaction.
Abstract（参考訳）: Llama2, GPT4, Mixtralという大言語モデル(LLM)によるビッグファイブの性格特性のシミュレーションに関する実証的研究を行った。これらのモデルによりシミュレートされた性格特性とその安定性を解析する。これは、パーソナリティ特性をシミュレートするllmの能力と、パーソナライズされた人間とコンピュータの相互作用に対するそれぞれの意味の理解に寄与する。

関連論文リスト

Exploring the Potential of Large Language Models to Simulate Personality [39.58317527488534]
我々は,大言語モデル(LLM)を用いて,ビッグファイブモデルに従って個人特性をシミュレートすることを目指している。本稿では,事前に定義された5つの特徴を持つ生成テキストのデータセットを提示し,パーソナリティスキルのシミュレーションに基づいてLLMをテストするための分析フレームワークを提供する。
論文参考訳（メタデータ） (2025-02-12T10:17:18Z)
Evaluating Personality Traits in Large Language Models: Insights from Psychological Questionnaires [3.6001840369062386]
この研究は、多種多様なシナリオにおける大規模言語モデルに心理学的ツールを適用し、パーソナリティプロファイルを生成する。以上の結果から, LLMは, 同一モデル群においても, 特徴, 特徴, 性格の異なる特徴を示すことが明らかとなった。
論文参考訳（メタデータ） (2025-02-07T16:12:52Z)
OpenCharacter: Training Customizable Role-Playing LLMs with Large-Scale Synthetic Personas [65.83634577897564]
本研究では,文字一般化機能を備えた大規模言語モデルを実現するための大規模データ合成手法について検討する。まず、ペルソナハブのペルソナを用いて、大規模な文字プロファイルを合成することから始める。次に、応答書き換えと応答生成という2つの戦略を検討し、文字対応の命令応答を生成する。
論文参考訳（メタデータ） (2025-01-26T07:07:01Z)
Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。 LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-10-16T07:47:45Z)
Rediscovering the Latent Dimensions of Personality with Large Language Models as Trait Descriptors [4.814107439144414]
大規模言語モデル(LLM)における潜在人格次元を明らかにする新しいアプローチを提案する。実験の結果, LLMは, 直接アンケート入力に頼ることなく, 外転, 同意性, 良性, 神経性, 開放性などの中核的性格を「発見」することがわかった。抽出した主成分を用いて、ビッグファイブ次元に沿ったパーソナリティを評価し、微調整モデルよりも平均的なパーソナリティ予測精度を最大5%向上させることができる。
論文参考訳（メタデータ） (2024-09-16T00:24:40Z)
PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
論文参考訳（メタデータ） (2024-07-17T08:13:22Z)
Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
論文参考訳（メタデータ） (2023-05-31T15:03:28Z)
PersonaLLM: Investigating the Ability of Large Language Models to Express Personality Traits [30.770525830385637]
本研究では,ビッグファイブ・パーソナリティ・モデルに基づく大規模言語モデル(LLM)の行動について検討する。その結果, LLMペルソナの自己申告したBFIスコアは, 指定した性格タイプと一致していることがわかった。人間の評価は、人間は最大80%の精度でいくつかの性格特性を知覚できることを示している。
論文参考訳（メタデータ） (2023-05-04T04:58:00Z)
Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
論文参考訳（メタデータ） (2022-05-20T07:32:57Z)

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。