論文の概要: A Comparative Study of Large Language Models and Human Personality Traits

• arxiv url: http://arxiv.org/abs/2505.14845v1
• Date: Thu, 01 May 2025 15:10:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-25 10:52:49.072131
• Title: A Comparative Study of Large Language Models and Human Personality Traits
• Title（参考訳）: 大規模言語モデルと人格特性の比較研究
• Authors: Wang Jiaqi, Wang bo, Guo fa, Cheng cheng, Yang li,
• Abstract要約: 言語モデル(LLM)は、言語理解と生成において人間のような能力を示す。 本研究では, LLMが人格的特徴を示すか, これらの特徴が人格とどのように比較されるかを検討する。
• 参考スコア（独自算出の注目度）: 6.354326674890978
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have demonstrated human-like capabilities in language comprehension and generation, becoming active participants in social and cognitive domains. This study investigates whether LLMs exhibit personality-like traits and how these traits compare with human personality, focusing on the applicability of conventional personality assessment tools. A behavior-based approach was used across three empirical studies. Study 1 examined test-retest stability and found that LLMs show higher variability and are more input-sensitive than humans, lacking long-term stability. Based on this, we propose the Distributed Personality Framework, conceptualizing LLM traits as dynamic and input-driven. Study 2 analyzed cross-variant consistency in personality measures and found LLMs' responses were highly sensitive to item wording, showing low internal consistency compared to humans. Study 3 explored personality retention during role-playing, showing LLM traits are shaped by prompt and parameter settings. These findings suggest that LLMs express fluid, externally dependent personality patterns, offering insights for constructing LLM-specific personality frameworks and advancing human-AI interaction. This work contributes to responsible AI development and extends the boundaries of personality psychology in the age of intelligent systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、言語理解と生成において人間のような能力を示し、社会的・認知的領域に積極的に参加している。 本研究では,従来の人格評価ツールの適用性に着目し,LLMが人格的特徴を示すか,それらの特徴が人格とどのように比較されるかを検討する。 行動に基づくアプローチは3つの経験的研究で用いられた。 実験1では, LLMはヒトよりも高い変動性を示し, 長期的安定性が欠如していることが判明した。 そこで本研究では,LLM特性を動的および入力駆動型として概念化する分散パーソナリティフレームワークを提案する。 研究2では、人格測定における相互変動の一貫性を分析し、LSMの反応は項目の語調に非常に敏感であり、人間に比べて内部の整合性が低かった。 研究3では、ロールプレイング中の個性保持について検討し、プロンプトとパラメータ設定によってLCM特性が形成されることを示した。 これらの結果から, LLMは流動的, 外部依存的な個性パターンを表現し, LLM固有の個性枠組みの構築や人間とAIの相互作用の進展に洞察を与える可能性が示唆された。 この研究はAI開発に責任を持ち、知的システムの時代の人格心理学の境界を広げる。

関連論文リスト

• LMLPA: Language Model Linguistic Personality Assessment [11.599282127259736]
  大規模言語モデル(LLM)は、日常の生活や研究にますます利用されている。 与えられたLLMの性格を測定することは、現在課題である。 言語モデル言語パーソナリティアセスメント(LMLPA)は,LLMの言語的パーソナリティを評価するシステムである。
  論文  参考訳（メタデータ） (2024-10-23T07:48:51Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Is Self-knowledge and Action Consistent or Not: Investigating Large Language Model's Personality [11.660251022962141]
  大規模言語モデル(LLM)の人格特性の把握における従来のパーソナリティアンケートの有効性について検討する。 本研究の目的は, LLM が持つ性格特性と実世界のシナリオにおけるその傾向の一致を評価することである。
  論文  参考訳（メタデータ） (2024-02-22T16:32:08Z)
• Personality Traits in Large Language Models [42.31355340867784]
  コミュニケーションの有効性を決定する重要な要因は人格である。 本稿では,広く使用されている大規模言語モデル上でのパーソナリティテストの管理と検証のための,新しい,包括的・包括的心理学的・信頼性の高い方法論を提案する。 本稿では,計測・形成手法の適用と倫理的意味,特に責任あるAIについて論じる。
  論文  参考訳（メタデータ） (2023-07-01T00:58:51Z)
• 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)

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。