論文の概要: From Anger to Joy: How Nationality Personas Shape Emotion Attribution in Large Language Models
- arxiv url: http://arxiv.org/abs/2506.02431v1
- Date: Tue, 03 Jun 2025 04:35:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:35.276528
- Title: From Anger to Joy: How Nationality Personas Shape Emotion Attribution in Large Language Models
- Title（参考訳）: 怒りから喜びへ:大規模言語モデルにおける国籍ペルソナの感情属性
- Authors: Mahammed Kamruzzaman, Abdullah Al Monsur, Gene Louis Kim, Anshuman Chhabra,
- Abstract要約: 本研究では,感情の帰属を通じて,異なる国が事前訓練された大規模言語モデル(LLM)でどのように表現されるかを検討する。
我々の分析では、恥、恐怖、喜びといった感情が地域によって不均等に割り当てられているという、国籍に基づく大きな違いが明らかになっている。
- 参考スコア（独自算出の注目度）: 4.362338454684645
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotions are a fundamental facet of human experience, varying across individuals, cultural contexts, and nationalities. Given the recent success of Large Language Models (LLMs) as role-playing agents, we examine whether LLMs exhibit emotional stereotypes when assigned nationality-specific personas. Specifically, we investigate how different countries are represented in pre-trained LLMs through emotion attributions and whether these attributions align with cultural norms. Our analysis reveals significant nationality-based differences, with emotions such as shame, fear, and joy being disproportionately assigned across regions. Furthermore, we observe notable misalignment between LLM-generated and human emotional responses, particularly for negative emotions, highlighting the presence of reductive and potentially biased stereotypes in LLM outputs.
- Abstract（参考訳）: 感情は人間の経験の基本的な側面であり、個人、文化的文脈、国籍によって異なる。
ロールプレイングエージェントとしてLarge Language Models (LLMs) が最近成功したことを踏まえ, LLMが国家特化人格に割り当てられた場合に感情的ステレオタイプを示すかどうかを検討する。
具体的には、感情の帰属を通じて、異なる国が事前訓練されたLLMでどのように表現されるか、そしてこれらの帰属が文化規範に合致するかどうかを考察する。
我々の分析では、恥、恐怖、喜びといった感情が地域によって不均等に割り当てられているという、国籍に基づく大きな違いが明らかになっている。
さらに,LLMの出力に還元的および潜在的に偏りのあるステレオタイプが存在することを強調し,LLM生成と人間の感情反応の顕著な相違,特に否定的感情について考察した。
関連論文リスト
- CULEMO: Cultural Lenses on Emotion -- Benchmarking LLMs for Cross-Cultural Emotion Understanding [7.308914305652415]
カルチャー・レンズ・オン・エモーション (CuLEmo) は、6つの言語にまたがるカルチャー・アウェア・感情予測を評価するための最初のベンチマークである。
キュレモ語は言語ごとに400の工芸的な質問で構成されており、それぞれに微妙な文化的推論と理解が必要である。
このベンチマークを用いて、カルチャーを意識した感情予測と感情分析タスクにおける、最先端のLCMの評価を行う。
論文 参考訳（メタデータ） (2025-03-12T01:01:30Z) - Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。
本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
論文 参考訳（メタデータ） (2024-10-24T04:02:30Z) - Hate Personified: Investigating the role of LLMs in content moderation [64.26243779985393]
ヘイト検出などの主観的タスクでは,人々が嫌悪感を知覚する場合には,多様なグループを表現できるLarge Language Model(LLM)の能力は不明確である。
追加の文脈をプロンプトに含めることで、LLMの地理的プライミングに対する感受性、ペルソナ属性、数値情報を分析し、様々なグループのニーズがどの程度反映されているかを評価する。
論文 参考訳（メタデータ） (2024-10-03T16:43:17Z) - Analyzing Cultural Representations of Emotions in LLMs through Mixed Emotion Survey [2.9213203896291766]
本研究では,大規模言語モデル(LLM)における感情の文化的表現の分析に焦点をあてる。
本手法は,日本人とアメリカ人の反応に特徴的な感情指標を同定した宮本らの研究に基づいている。
モデルが文献の証拠と限定的に一致していることがわかりました。
論文 参考訳（メタデータ） (2024-08-04T20:56:05Z) - Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。
我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。
我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
論文 参考訳（メタデータ） (2023-08-07T15:18:30Z) - Multilingual Language Models are not Multicultural: A Case Study in
Emotion [8.73324795579955]
2023年の多言語LMは、文化や言語間の感情表現の相違を反映しているかどうかを考察する。
LMから得られる埋め込みはアングロ中心であり、生成的LMは他言語のプロンプトに応答しても西洋のノルムを反映している。
論文 参考訳（メタデータ） (2023-07-03T21:54:28Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z)
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。