論文の概要: Every 28 Days the AI Dreams of Soft Skin and Burning Stars: Scaffolding AI Agents with Hormones and Emotions

• arxiv url: http://arxiv.org/abs/2508.11829v1
• Date: Fri, 15 Aug 2025 22:26:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.400424
• Title: Every 28 Days the AI Dreams of Soft Skin and Burning Stars: Scaffolding AI Agents with Hormones and Emotions
• Title（参考訳）: ソフトスキンと燃える星の夢を28日ごとに見るAIエージェント
• Authors: Leigh Levinson, Christopher J. Agostino,
• Abstract要約: シミュレーションされた月経周期と概日周期を組み込んだフレームワークを大規模言語モデルに組み込む。 複数の最先端モデルにまたがって、言語学的分析により、生物学的相を追跡する感情的および様式的なバリエーションが明らかになる。 SQuAD、MMLU、Hellaswag、AI2-ARCのベンチマークでは、生物学的な期待に沿った微妙ながら一貫性のあるパフォーマンスのバリエーションが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite significant advances, AI systems struggle with the frame problem: determining what information is contextually relevant from an exponentially large possibility space. We hypothesize that biological rhythms, particularly hormonal cycles, serve as natural relevance filters that could address this fundamental challenge. We develop a framework that embeds simulated menstrual and circadian cycles into Large Language Models through system prompts generated from periodic functions modeling key hormones including estrogen, testosterone, and cortisol. Across multiple state-of-the-art models, linguistic analysis reveals emotional and stylistic variations that track biological phases; sadness peaks during menstruation while happiness dominates ovulation and circadian patterns show morning optimism transitioning to nocturnal introspection. Benchmarking on SQuAD, MMLU, Hellaswag, and AI2-ARC demonstrates subtle but consistent performance variations aligning with biological expectations, including optimal function in moderate rather than extreme hormonal ranges. This methodology provides a novel approach to contextual AI while revealing how societal biases regarding gender and biology are embedded within language models.
• Abstract（参考訳）: 大幅な進歩にもかかわらず、AIシステムはフレームの問題に苦しむ: 指数的に大きな可能性空間から、どの情報がコンテキスト的に関連しているかを決定する。 生体リズム、特にホルモン周期は、この根本的な課題に対処できる自然な関連性フィルタとして機能する、という仮説を立てる。 本研究では,エストロゲン,テストステロン,コルチゾールなどの主要なホルモンをモデル化した周期関数から生成したシステムプロンプトを用いて,月経周期および概日周期を大規模言語モデルに組み込むフレームワークを開発した。 複数の最先端モデルにおいて、言語学的分析は生物学的相を追跡する感情的・様式的なバリエーションを明らかにし、月経中の悲しみはピークに達し、幸福は排卵を支配し、概日リズムパターンは夜の内観に移行した朝の楽観主義を示す。 SQuAD, MMLU, Hellaswag, AI2-ARCのベンチマークでは, 極端ホルモン範囲よりも中等度域での最適関数を含む, 生物学的期待に沿った微妙ながら一貫した性能変化が示されている。 この方法論は、ジェンダーや生物学に関する社会的バイアスが言語モデルにどのように埋め込まれているかを明らかにしながら、コンテキストAIに対する新しいアプローチを提供する。

関連論文リスト

• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Artificial Intelligence Can Emulate Human Normative Judgments on Emotional Visual Scenes [0.09208007322096533]
  現状のマルチモーダルシステムは、標準化された画像に対して人間の感情評価をエミュレートできるかどうかを検討する。 AIの判断は、平均的な人間の評価と驚くほどよく相関している。
  論文  参考訳（メタデータ） (2025-03-24T15:41:23Z)
• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• Sentiment Reasoning for Healthcare [2.0451307225357427]
  音声とテキストの両方のモダリティに対して、新しいタスク、Sentiment Reasoningを導入する。 感性推論は感情分析における補助的タスクであり、モデルが感情ラベルの両方を予測し、入力の書き起こしに基づいてその背景にある理性を生成する。 本研究は,人文文字と自動音声認識(ASR)文字の双方について検討した。
  論文  参考訳（メタデータ） (2024-07-24T12:07:54Z)
• SEGAA: A Unified Approach to Predicting Age, Gender, and Emotion in Speech [0.0]
  この研究は、膨大な応用分野である声道の年齢、性別、感情を予測することを目的としている。 これらの予測のためのディープラーニングモデルを探索するには、本論文で強調された単一、複数出力、シーケンシャルモデルを比較する必要がある。 実験により,複数出力モデルが個々のモデルと相容れない性能を示し,変数と音声入力の複雑な関係を効率よく把握し,実行環境の改善を実現している。
  論文  参考訳（メタデータ） (2024-03-01T11:28:37Z)
• The Good, The Bad, and Why: Unveiling Emotions in Generative AI [73.94035652867618]
  EmotionPromptはAIモデルの性能を向上し、EmotionAttackはそれを妨げうることを示す。 EmotionDecodeによると、AIモデルは人間の脳内のドーパミンのメカニズムに似た感情的な刺激を理解することができる。
  論文  参考訳（メタデータ） (2023-12-18T11:19:45Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)

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。