論文の概要: Toward Reasonable Parrots: Why Large Language Models Should Argue with Us by Design
- arxiv url: http://arxiv.org/abs/2505.05298v1
- Date: Thu, 08 May 2025 14:41:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 21:43:49.924489
- Title: Toward Reasonable Parrots: Why Large Language Models Should Argue with Us by Design
- Title（参考訳）: 推論可能なパロットを目指して - 大規模言語モデルがなぜ設計によってユーザを苦しめるべきなのか
- Authors: Elena Musi, Nadin Kokciyan, Khalid Al-Khatib, Davide Ceolin, Emmanuelle Dietz, Klara Gutekunst, Annette Hautli-Janisz, Cristian Manuel Santibañez Yañez, Jodi Schneider, Jonas Scholz, Cor Steging, Jacky Visser, Henning Wachsmuth,
- Abstract要約: 我々は、現在、この目的には大きな言語モデル(LLM)が不十分であると主張している。
これは、LLMを置き換えるのではなく、批判的な思考を実践するためのツールとして再定義する、ということです。
我々は、関係性、責任、自由の基本的な原則を具現化した「合理的なオウム」の概念を導入する。
- 参考スコア（独自算出の注目度）: 13.065184543328726
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this position paper, we advocate for the development of conversational technology that is inherently designed to support and facilitate argumentative processes. We argue that, at present, large language models (LLMs) are inadequate for this purpose, and we propose an ideal technology design aimed at enhancing argumentative skills. This involves re-framing LLMs as tools to exercise our critical thinking rather than replacing them. We introduce the concept of 'reasonable parrots' that embody the fundamental principles of relevance, responsibility, and freedom, and that interact through argumentative dialogical moves. These principles and moves arise out of millennia of work in argumentation theory and should serve as the starting point for LLM-based technology that incorporates basic principles of argumentation.
- Abstract（参考訳）: 本稿では,議論プロセスの支援と促進を目的とした対話技術の発展を提唱する。
我々は、現在、この目的には大きな言語モデル(LLM)が不十分であると主張し、議論力の向上を目的とした理想的な技術設計を提案する。
これは、LLMを置き換えるのではなく、批判的な思考を実践するためのツールとして再定義する、ということです。
我々は、関係性、責任、自由の基本原理を具現化した「合理的なオウム」の概念を導入し、議論的な対話的な動きを通して相互作用する。
これらの原理と動きは、議論理論における何千年もの仕事から生まれ、議論の基本原理を取り入れたLLMベースの技術の出発点として機能するべきである。
関連論文リスト
- Why LLMs Cannot Think and How to Fix It [0.0]
我々は、その用語の伝統的な理解を包含する「思考」の定義を確立し、それを大規模言語モデルに適用するために適応する。
特徴空間内で思考プロセスを実現するためのソリューションを提案し、これらのアーキテクチャ変更のより広範な意味について論じる。
論文 参考訳（メタデータ） (2025-03-12T10:00:09Z) - LogiDynamics: Unraveling the Dynamics of Logical Inference in Large Language Model Reasoning [49.58786377307728]
本稿では、類似推論のための制御された評価環境を導入することにより、探索的アプローチを採用する。
帰納的,帰納的,帰納的,帰納的な推論パイプラインの比較力学を解析する。
仮説選択や検証,洗練といった高度なパラダイムを考察し,論理的推論のスケールアップの可能性を明らかにする。
論文 参考訳（メタデータ） (2025-02-16T15:54:53Z) - Enhancing Logical Reasoning in Large Language Models to Facilitate Legal
Applications [4.062485135201161]
大規模言語モデル(LLM)は人間の言語理解と生成をエミュレートしようとするが、論理的推論におけるその能力は限られている。
LLMに論理的推論を効果的に教えるにはどうすればよいのか?
論理的推論におけるLLMの能力の強化に焦点をあてて、法やその他の論理的な分野における適用性の拡大を目指す。
論文 参考訳（メタデータ） (2023-11-22T01:51:50Z) - A Principled Framework for Knowledge-enhanced Large Language Model [58.1536118111993]
大規模言語モデル(LLM)は汎用性があるが、深い信頼性のある推論を必要とするタスクに悩まされることが多い。
本稿では、知識を効果的に固定し、閉ループ推論プロセスを用いるLLMを作成するための厳密な設計のフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-18T18:10:02Z) - From Heuristic to Analytic: Cognitively Motivated Strategies for
Coherent Physical Commonsense Reasoning [66.98861219674039]
ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。
以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-24T19:46:04Z) - A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Towards LogiGLUE: A Brief Survey and A Benchmark for Analyzing Logical Reasoning Capabilities of Language Models [56.34029644009297]
大規模言語モデル(LLM)は、形式的知識表現(KR)システムの様々な制限を克服する能力を示した。
LLMは誘導的推論において最も優れているが、誘導的推論では最も効果が低い。
モデルの性能を評価するため,シングルタスクトレーニング,マルチタスクトレーニング,および「チェーンオブ思考」知識蒸留細調整技術について検討した。
論文 参考訳（メタデータ） (2023-10-02T01:00:50Z) - Towards Reasoning in Large Language Models: A Survey [11.35055307348939]
大規模な言語モデル(LLM)がどの程度推論できるのかは、まだ明らかになっていない。
本稿では,LLMにおける推論に関する知識の現状を概観する。
論文 参考訳（メタデータ） (2022-12-20T16:29:03Z) - Critical Thinking for Language Models [6.963299759354333]
本稿では,ニューラル自動回帰言語モデルの批判的思考カリキュラムに向けて第一歩を踏み出す。
我々は、GPT-2を訓練し、評価するために、人工的な議論文を生成する。
NLUベンチマークに対して一貫した有望な結果が得られる。
論文 参考訳（メタデータ） (2020-09-15T15:49:19Z)
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。