論文の概要: Who are you, ChatGPT? Personality and Demographic Style in LLM-Generated Content

• arxiv url: http://arxiv.org/abs/2510.11434v1
• Date: Mon, 13 Oct 2025 14:06:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.394977
• Title: Who are you, ChatGPT? Personality and Demographic Style in LLM-Generated Content
• Title（参考訳）: あなた、ChatGPTって誰? LLM生成コンテンツにおける個性とデモグラフィックスタイル
• Authors: Dana Sotto Porat, Ella Rabinovich,
• Abstract要約: 生成型大規模言語モデル(LLM)は、様々な領域にまたがって人間のようなテキストを生成することで、日常生活の中心となっている。 成長する研究機関は、これらのモデルが言語にパーソナリティや人口動態のような特徴を示すかどうかを調査している。 本稿では,自己申告アンケートに頼らずに LLM の個性を評価するための新しいデータ駆動手法を提案する。 代わりに自動パーソナリティと性別分類器を適用して、Redditから収集されたオープンエンドの質問に対する回答をモデル化する。
• 参考スコア（独自算出の注目度）: 5.515596385935823
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generative large language models (LLMs) have become central to everyday life, producing human-like text across diverse domains. A growing body of research investigates whether these models also exhibit personality- and demographic-like characteristics in their language. In this work, we introduce a novel, data-driven methodology for assessing LLM personality without relying on self-report questionnaires, applying instead automatic personality and gender classifiers to model replies on open-ended questions collected from Reddit. Comparing six widely used models to human-authored responses, we find that LLMs systematically express higher Agreeableness and lower Neuroticism, reflecting cooperative and stable conversational tendencies. Gendered language patterns in model text broadly resemble those of human writers, though with reduced variation, echoing prior findings on automated agents. We contribute a new dataset of human and model responses, along with large-scale comparative analyses, shedding new light on the topic of personality and demographic patterns of generative AI.
• Abstract（参考訳）: 生成型大規模言語モデル(LLM)は、様々な領域にまたがって人間のようなテキストを生成することで、日常生活の中心となっている。 成長する研究機関は、これらのモデルが言語にパーソナリティや人口動態のような特徴を示すかどうかを調査している。 本研究では,自己報告のアンケートに頼らずにLCMの個性を評価するための新しいデータ駆動手法を提案し,その代わりに,Redditから収集したオープンエンド質問に対する回答をモデル化するために,自動個性分類器と性別分類器を適用した。 広範に使用されている6つのモデルと人間による応答を比較すると、LLMは協調的かつ安定した会話傾向を反映して、より高いアグレアビリティと低神経症を体系的に表現していることがわかった。 モデルテキストにおける性的な言語パターンは、人文作家のものと大きく似ているが、変化は小さく、自動化されたエージェントに関する以前の発見を反映している。 我々は、人間とモデルの反応の新しいデータセットと、大規模な比較分析を行い、生成型AIの人格と人口動態のトピックに新たな光を当てる。

関連論文リスト

• Exploring the Potential of Large Language Models to Simulate Personality [39.58317527488534]
  我々は,大言語モデル(LLM)を用いて,ビッグファイブモデルに従って個人特性をシミュレートすることを目指している。 本稿では,事前に定義された5つの特徴を持つ生成テキストのデータセットを提示し,パーソナリティスキルのシミュレーションに基づいてLLMをテストするための分析フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-02-12T10:17:18Z)
• Political Bias in LLMs: Unaligned Moral Values in Agent-centric Simulations [0.0]
  モーラル・ファンデーション理論アンケートにおいて,パーソナライズされた言語モデルと人間の反応がどのように一致しているかを検討する。 我々は、オープンソースの生成言語モデルを異なる政治的ペルソナに適応させ、これらのモデルを繰り返し調査し、合成データセットを生成する。 解析の結果,モデルが複数の繰り返しにまたがって不整合な結果をもたらし,高い応答差が生じることがわかった。
  論文  参考訳（メタデータ） (2024-08-21T08:20:41Z)
• 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)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Estimating the Personality of White-Box Language Models [0.589889361990138]
  大規模なテキストコーパスで訓練された大規模言語モデルは、至る所で広範囲のアプリケーションで使用されている。 既存の研究は、これらのモデルが人間の偏見を捉え、捉えていることを示している。 これらのバイアス、特に害を引き起こす可能性のあるバイアスの多くは、十分に調査されている。 しかし、これらのモデルによって受け継がれた人間の性格特性を推測し、変化させる研究は、ほとんど、あるいは存在しない。
  論文  参考訳（メタデータ） (2022-04-25T23:53:53Z)

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。