論文の概要: PrimeX: A Dataset of Worldview, Opinion, and Explanation

• arxiv url: http://arxiv.org/abs/2510.00174v1
• Date: Tue, 30 Sep 2025 18:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.208367
• Title: PrimeX: A Dataset of Worldview, Opinion, and Explanation
• Title（参考訳）: PrimeX: Worldview, Opinion, and Explanationのデータセット
• Authors: Rik Koncel-Kedziorski, Brihi Joshi, Tim Paek,
• Abstract要約: PrimeXは、米国の858人の住民による世論調査のデータセットである。 言語モデルをパーソナライズするための信念的説明の価値と世界観を示す。
• 参考スコア（独自算出の注目度）: 6.157524685290209
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the adoption of language models advances, so does the need to better represent individual users to the model. Are there aspects of an individual's belief system that a language model can utilize for improved alignment? Following prior research, we investigate this question in the domain of opinion prediction by developing PrimeX, a dataset of public opinion survey data from 858 US residents with two additional sources of belief information: written explanations from the respondents for why they hold specific opinions, and the Primal World Belief survey for assessing respondent worldview. We provide an extensive initial analysis of our data and show the value of belief explanations and worldview for personalizing language models. Our results demonstrate how the additional belief information in PrimeX can benefit both the NLP and psychological research communities, opening up avenues for further study.
• Abstract（参考訳）: 言語モデルの採用が進むにつれて、個々のユーザをモデルにもっとよく表現する必要がある。 言語モデルがアライメントを改善するために利用できるという個人の信念システムには、どのような側面があるのだろうか? 先行研究のあと、米国住民58人を対象にした世論調査データデータセット「PrimeX」の開発により、世論予測分野において、この疑問を考察する。 我々は、我々のデータを広範囲に初期分析し、信念の説明の価値と言語モデルをパーソナライズするための世界観を示す。 以上の結果から,プライムXに付加される信念情報によって,NLPと心理学研究の両コミュニティの利益が得られ,さらなる研究の道が開けることが示唆された。

関連論文リスト

• The PRISM Alignment Dataset: What Participatory, Representative and Individualised Human Feedback Reveals About the Subjective and Multicultural Alignment of Large Language Models [67.38144169029617]
  我々は,75か国から1500人の多様な参加者の社会デマトグラフィーを,21大言語モデル(LLM)を用いた8,011のライブ会話において,文脈的嗜好ときめ細かいフィードバックにマッピングした。 PRISMでは、(i)より広い地理的・人口的なフィードバックへの参加、(ii)2つの国(UK, US)の国勢調査表現型サンプル、(iii)詳細な参加者プロファイルにリンクし、個人化とサンプルアーティファクトの帰属を許可する個別評価に寄与する。 我々はPRISMを3つのケーススタディで使用し、人間がどのアライメントデータを提供するかを慎重に検討する必要があることを示す。
  論文  参考訳（メタデータ） (2024-04-24T17:51:36Z)
• What if you said that differently?: How Explanation Formats Affect Human Feedback Efficacy and User Perception [53.4840989321394]
  我々は,QAモデルが生成した有理性の効果を分析し,その答えを支持する。 ユーザに対して,様々な形式で誤った回答とそれに対応する有理性を提示する。 このフィードバックの有効性を,文脈内学習を通じて評価する。
  論文  参考訳（メタデータ） (2023-11-16T04:26:32Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• Towards Measuring the Representation of Subjective Global Opinions in Language Models [26.999751306332165]
  大規模言語モデル(LLM)は、社会問題に関する多様なグローバルな視点を公平に表すものではない。 本研究では,どの意見がモデル生成応答に類似しているかを定量的に評価する枠組みを開発する。 他者が使用して構築するためのデータセットをリリースしています。
  論文  参考訳（メタデータ） (2023-06-28T17:31:53Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• AI-Augmented Surveys: Leveraging Large Language Models and Surveys for Opinion Prediction [0.0]
  人間のような反応を生み出す大きな言語モデル(LLM)は、社会科学における研究の実践に革命をもたらし始めている。 横断的な調査を繰り返しながらLLMを微調整する新しい手法の枠組みを開発した。 AIが強化した調査の2つの新しい応用として、レトロディクション(すなわち、年レベルの欠落を予測)と、無意識の意見予測(unasked opinion prediction)を紹介した。
  論文  参考訳（メタデータ） (2023-05-16T17:13:07Z)
• Bridging the Gap: A Survey on Integrating (Human) Feedback for Natural Language Generation [68.9440575276396]
  この調査は、人間のフィードバックを利用して自然言語生成を改善した最近の研究の概要を提供することを目的としている。 まず、フィードバックの形式化を包括的に導入し、この形式化に続いて既存の分類学研究を特定・整理する。 第二に、フィードバックを形式や目的によってどのように記述するかを議論し、フィードバック(トレーニングやデコード)を直接使用したり、フィードバックモデルをトレーニングしたりするための2つのアプローチについて取り上げる。 第3に、AIフィードバックの生まれたばかりの分野の概要を紹介します。これは、大きな言語モデルを利用して、一連の原則に基づいて判断し、必要最小限にします。
  論文  参考訳（メタデータ） (2023-05-01T17:36:06Z)
• Language Models Trained on Media Diets Can Predict Public Opinion [43.824336518942]
  本稿では,一組のメディアを消費したサブ集団の意見をエミュレートするメディアダイエットモデルを提案する。 本研究は,(1)調査回答分布における人的判断の予測,(2)メディアを忠実に追従する人物のモデリングの精度,(3)メディア消費にどのような意見が影響されるかの文献との整合性を示す。
  論文  参考訳（メタデータ） (2023-03-28T06:08:25Z)

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。