論文の概要: Are LLMs Empathetic to All? Investigating the Influence of Multi-Demographic Personas on a Model's Empathy

• arxiv url: http://arxiv.org/abs/2510.10328v1
• Date: Sat, 11 Oct 2025 20:04:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.891768
• Title: Are LLMs Empathetic to All? Investigating the Influence of Multi-Demographic Personas on a Model's Empathy
• Title（参考訳）: LLMは全員に共感的であるか? モデルに対するマルチデモグラフィー・ペルソナの影響を探る
• Authors: Ananya Malik, Nazanin Sabri, Melissa Karnaze, Mai Elsherief,
• Abstract要約: 本研究では,大言語モデルの認知的・情緒的共感が,人口統計学的属性の交差によって定義されるユーザ・ペルソナによってどのように異なるかを検討する。 本研究は, 年齢, 文化, 性別の組み合わせで構築した, 315人の独特なペルソナの交叉分析について紹介する。 儒教文化など,特定の集団に対して顕著な不適応を伴って,現実世界の共感傾向を広く反映していることを示す。
• 参考スコア（独自算出の注目度）: 1.6489674562395387
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models' (LLMs) ability to converse naturally is empowered by their ability to empathetically understand and respond to their users. However, emotional experiences are shaped by demographic and cultural contexts. This raises an important question: Can LLMs demonstrate equitable empathy across diverse user groups? We propose a framework to investigate how LLMs' cognitive and affective empathy vary across user personas defined by intersecting demographic attributes. Our study introduces a novel intersectional analysis spanning 315 unique personas, constructed from combinations of age, culture, and gender, across four LLMs. Results show that attributes profoundly shape a model's empathetic responses. Interestingly, we see that adding multiple attributes at once can attenuate and reverse expected empathy patterns. We show that they broadly reflect real-world empathetic trends, with notable misalignments for certain groups, such as those from Confucian culture. We complement our quantitative findings with qualitative insights to uncover model behaviour patterns across different demographic groups. Our findings highlight the importance of designing empathy-aware LLMs that account for demographic diversity to promote more inclusive and equitable model behaviour.
• Abstract（参考訳）: 大言語モデル(LLM)が自然に会話する能力は、ユーザに対して共感的に理解し、反応する能力によって強化される。 しかし、感情的な経験は人口構成や文化的な文脈によって形成されている。 LLMは多様なユーザグループ間で平等な共感を示すことができるか? 本研究では,LLMの認知的共感と感情的共感が,人口統計学的属性を交差させることによって定義されるユーザ・ペルソナ間でどのように異なるかを検討する枠組みを提案する。 本研究は, 年齢, 文化, 性別の組み合わせで構築した315人のユニークな人物の交叉分析を4つのLDMで導入した。 結果は、属性がモデルの共感反応を深く形作っていることを示している。 興味深いことに、一度に複数の属性を追加することで、期待される共感パターンを減らし、逆にすることができる。 儒教文化など,特定の集団に対して顕著な不適応を伴って,現実世界の共感傾向を広く反映していることを示す。 我々は,各集団におけるモデル行動パターンを明らかにするために,定量的知見と質的洞察を補完する。 本研究は,より包括的で公平なモデル行動を促進するために,人口多様性を考慮した共感型LLMの設計の重要性を強調した。

関連論文リスト

• The Prompt Makes the Person(a): A Systematic Evaluation of Sociodemographic Persona Prompting for Large Language Models [7.819021910077221]
  異なるペルソナのプロンプト戦略が大規模言語モデル(LLM)に与える影響について検討する。 人口統計学的プライミングと役割採用戦略の選択が、その描写に大きく影響していることが判明した。 具体的には、インタビュースタイルのフォーマットと名前ベースのプライミングのプロンプトが、ステレオタイピングの削減に役立ちます。
  論文  参考訳（メタデータ） (2025-07-21T21:23:29Z)
• Deep Binding of Language Model Virtual Personas: a Study on Approximating Political Partisan Misperceptions [13.929713456538932]
  本稿では,マルチターンインタビュー文として生成した合成ユーザ"バックストリー"を用いた仮想ペルソナ構築手法を提案する。 本研究の背景には,ヒトの反応分布を忠実に再現した仮想的ペルソナと,グループ内・グループ外バイアスのオリジナルの研究で観察されたものと密に一致した効果の大きさが示されている。
  論文  参考訳（メタデータ） (2025-04-16T00:10:34Z)
• GIEBench: Towards Holistic Evaluation of Group Identity-based Empathy for Large Language Models [18.92131015111012]
  大規模言語モデル(LLM)の共感評価のためのベンチマークであるGIEBenchを紹介する。 GIEBenchは11のアイデンティティディメンションを含み、97のグループアイデンティティをカバーする。 LLMを23個評価したところ、これらのLCMは異なるアイデンティティの観点から理解されているものの、これらの視点を採用するための明示的な指示なしでは、同一の共感を連続的に示さないことが明らかとなった。
  論文  参考訳（メタデータ） (2024-06-21T06:50:42Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)
• 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)

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。