論文の概要: Love First, Know Later: Persona-Based Romantic Compatibility Through LLM Text World Engines

• arxiv url: http://arxiv.org/abs/2512.11844v2
• Date: Tue, 16 Dec 2025 18:59:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.717909
• Title: Love First, Know Later: Persona-Based Romantic Compatibility Through LLM Text World Engines
• Title（参考訳）: Love First, Know Later: LLMテキスト・ワールド・エンジンによるペルソナ・ベースのロマンティック・コンパチビリティ
• Authors: Haoyang Shang, Zhengyang Yan, Xuan Liu,
• Abstract要約: 本稿では、まず相互作用をシミュレートし、その後に互換性を評価する計算マッチングにおけるパラダイムシフトであるLove First, Know Laterを提案する。 静的プロファイルを比較する代わりに、我々のフレームワークはLLMを2つのキャパシティ・アズ・ペルソナ駆動エージェントで動作するテキストワールドエンジンとして活用する。 このパラダイムは、ユーザがエージェントを反復的に洗練し、透過的で対話的な互換性評価のための将来の可能性を解放する、インタラクティブでパーソナライズされたマッチングシステムを可能にする。
• 参考スコア（独自算出の注目度）: 4.8070225040592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Love First, Know Later: a paradigm shift in computational matching that simulates interactions first, then assesses compatibility. Instead of comparing static profiles, our framework leverages LLMs as text world engines that operate in dual capacity-as persona-driven agents following behavioral policies and as the environment modeling interaction dynamics. We formalize compatibility assessment as a reward-modeling problem: given observed matching outcomes, we learn to extract signals from simulations that predict human preferences. Our key insight is that relationships hinge on responses to critical moments-we translate this observation from relationship psychology into mathematical hypotheses, enabling effective simulation. Theoretically, we prove that as LLM policies better approximate human behavior, the induced matching converges to optimal stable matching. Empirically, we validate on speed dating data for initial chemistry and divorce prediction for long-term stability. This paradigm enables interactive, personalized matching systems where users iteratively refine their agents, unlocking future possibilities for transparent and interactive compatibility assessment.
• Abstract（参考訳）: 本稿では、まず相互作用をシミュレートし、その後に互換性を評価する計算マッチングにおけるパラダイムシフトであるLove First, Know Laterを提案する。 静的なプロファイルを比較する代わりに、我々のフレームワークはLLMを2つのキャパシティ・アズ・ペルソナ駆動エージェントで動作するテキストワールドエンジンとして活用する。 適合性評価を報酬モデル問題として定式化し、観察結果が一致すれば、人間の嗜好を予測するシミュレーションから信号を抽出することを学ぶ。 我々の重要な洞察は、関係が臨界モーメントに対する反応にヒンジし、この観察を関係心理学から数学的仮説に変換し、効果的なシミュレーションを可能にすることである。 理論的には、LLMポリシーが人間の行動をよりよく近似するので、誘導されたマッチングは最適な安定なマッチングに収束する。 実験により,初期化学における速度年代データと長期安定のための離婚予測について検証した。 このパラダイムは、ユーザがエージェントを反復的に洗練し、透過的で対話的な互換性評価のための将来の可能性を解放する、インタラクティブでパーソナライズされたマッチングシステムを可能にする。

関連論文リスト

• TwinVoice: A Multi-dimensional Benchmark Towards Digital Twins via LLM Persona Simulation [55.55404595177229]
  大型言語モデル(LLM)は、人間のような能力を示す。 TwinVoiceは、さまざまな現実世界のコンテキストにわたるペルソナシミュレーションを評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2025-10-29T14:00:42Z)
• LLM-Based Social Simulations Require a Boundary [3.351170542925928]
  大規模言語モデル(LLM)に基づく社会シミュレーションは明確な境界を確立するべきである。 本稿では、アライメント(実世界のパターンにマッチするシミュレーション行動)、一貫性(時間とともに一貫性のあるエージェント動作を維持する)、堅牢性という3つの重要な境界問題について検討する。
  論文  参考訳（メタデータ） (2025-06-24T17:14:47Z)
• Word Synchronization Challenge: A Benchmark for Word Association Responses for LLMs [4.352318127577628]
  本稿では,人-コンピュータインタラクション(HCI)における大規模言語モデル(LLM)を評価するための新しいベンチマークであるWord Synchronization Challengeを紹介する。 このベンチマークでは、動的ゲームライクなフレームワークを使用して、単語アソシエーションを通じて人間の認知プロセスを模倣するLLMの能力をテストする。
  論文  参考訳（メタデータ） (2025-02-12T11:30:28Z)
• Multi-turn Evaluation of Anthropomorphic Behaviours in Large Language Models [20.077019480409657]
  ユーザーが大きな言語モデル(LLM)を人為的に形作る傾向は、AI開発者、研究者、政策立案者への関心が高まっている。 本稿では,現実的かつ多様な環境下での人為的 LLM の挙動を実証的に評価する手法を提案する。 まず,14の人為的行動のマルチターン評価を開発する。 次に,ユーザインタラクションのシミュレーションを用いて,スケーラブルで自動化されたアプローチを提案する。 第3に,対話型大規模人体調査(N=1101)を実施し,実際のユーザの人文的知覚を予測するモデル行動を検証する。
  論文  参考訳（メタデータ） (2025-02-10T22:09:57Z)
• 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)
• Shall We Team Up: Exploring Spontaneous Cooperation of Competing LLM Agents [18.961470450132637]
  本稿では、エージェントが文脈に深く関与し、明示的な指示なしに適応的な決定を行う自然現象の重要性を強調する。 我々は,3つの競争シナリオにまたがる自発的な協力を探究し,協力の段階的出現をシミュレートした。
  論文  参考訳（メタデータ） (2024-02-19T18:00:53Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)

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。