論文の概要: Dynamic Personality Adaptation in Large Language Models via State Machines

• arxiv url: http://arxiv.org/abs/2602.22157v1
• Date: Wed, 25 Feb 2026 18:05:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.941732
• Title: Dynamic Personality Adaptation in Large Language Models via State Machines
• Title（参考訳）: 状態機械による大規模言語モデルの動的パーソナリティ適応
• Authors: Leon Pielage, Ole Hätscher, Mitja Back, Bernhard Marschall, Benjamin Risse,
• Abstract要約: 本稿では,動的パーソナリティシミュレーションのためのモデルに依存しないフレームワークを提案する。 私たちのアーキテクチャの一部は,潜伏軸に沿った対話を評価する,連続的な性格評価のためのモジュールパイプラインです。 その結果、システムはユーザの入力にパーソナリティの状態を適応させるだけでなく、ユーザの行動にも影響を及ぼすことが示された。
• 参考スコア（独自算出の注目度）: 1.6986898305640261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The inability of Large Language Models (LLMs) to modulate their personality expression in response to evolving dialogue dynamics hinders their performance in complex, interactive contexts. We propose a model-agnostic framework for dynamic personality simulation that employs state machines to represent latent personality states, where transition probabilities are dynamically adapted to the conversational context. Part of our architecture is a modular pipeline for continuous personality scoring that evaluates dialogues along latent axes while remaining agnostic to the specific personality models, their dimensions, transition mechanisms, or LLMs used. These scores function as dynamic state variables that systematically reconfigure the system prompt, steering behavioral alignment throughout the interaction.We evaluate this framework by operationalizing the Interpersonal Circumplex (IPC) in a medical education setting. Results demonstrate that the system successfully adapts its personality state to user inputs, but also influences user behavior, thereby facilitating de-escalation training. Notably, the scoring pipeline maintains comparable precision even when utilizing lightweight, fine-tuned classifiers instead of large-scale LLMs. This work demonstrates the feasibility of modular, personality-adaptive architectures for education, customer support, and broader human-computer interaction.
• Abstract（参考訳）: 大きな言語モデル(LLM)が、対話力学の進化に対応して人格表現を調節できないことは、複雑な対話的な文脈での性能を妨げている。 本稿では,動的パーソナリティシミュレーションのためのモデルに依存しないフレームワークを提案する。 私たちのアーキテクチャの一部は、特定のパーソナリティモデル、その寸法、遷移機構、またはLLMに依存しないまま、潜時軸に沿った対話を評価する、継続的なパーソナリティ評価のためのモジュールパイプラインである。 これらのスコアは、システムプロンプトを体系的に再構成し、相互作用を通して行動アライメントを操る動的状態変数として機能し、医療現場でIPC(Interpersonal Circumplex)を運用することで、この枠組みを評価する。 その結果、システムはユーザの入力にパーソナリティの状態を適応させるだけでなく、ユーザの行動にも影響を与え、デエスカレーショントレーニングの容易化を図っている。 特に、スコアリングパイプラインは、大規模LLMの代わりに軽量で微調整された分類器を使用する場合でも、同等の精度を維持している。 この研究は、教育、カスタマーサポート、より広範な人間とコンピュータの相互作用のためのモジュラーでパーソナリティに適応したアーキテクチャの実現可能性を示している。

関連論文リスト

• HARMONI: Multimodal Personalization of Multi-User Human-Robot Interactions with LLMs [1.4755786263360526]
  本稿では,社会支援型ロボットによる長期マルチユーザインタラクション管理を実現するマルチモーダルパーソナライズフレームワークであるHARMONIを提案する。 i)アクティブな話者を識別し、マルチモーダルな入力を抽出する知覚モジュール、(ii)環境の表現を維持する世界モデリングモジュール、(iii)長期的な話者固有のプロファイルを更新するユーザモデリングモジュール、(iv)文脈的に基礎と倫理的に通知された応答を生成する生成モジュールである。
  論文  参考訳（メタデータ） (2026-01-27T17:45:04Z)
• Structured Personality Control and Adaptation for LLM Agents [11.050618253938126]
  大規模言語モデル(LLM)は、ますますヒトとコンピュータの相互作用(HCI)を形作っている ユング心理学的タイプを用いたLLMパーソナリティをモデル化する枠組みを提案する。 この設計により、エージェントは対話要求に応じて動的に調整しながらニュアンス付き特性を維持することができる。
  論文  参考訳（メタデータ） (2026-01-15T03:15:24Z)
• Can We Predict the Next Question? A Collaborative Filtering Approach to Modeling User Behavior [16.241726074740082]
  大規模言語モデル(LLM)は、言語理解と生成に優れ、高度な対話とレコメンデーションシステムの動力となっている。 本稿では,言語モデリングと行動シーケンスモデリングのギャップを埋めるために,協調フィルタリングによる質問予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-17T04:01:20Z)
• VITA-E: Natural Embodied Interaction with Concurrent Seeing, Hearing, Speaking, and Acting [66.90028121194636]
  現在のビジョン・ランゲージ・アクション(VLA)モデルは、しばしば堅固で静的な相互作用パラダイムによって制約される。 VITA-Eは、動作とほぼリアルタイムの割り込みの両方のために設計された、新しい具体的相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-10-21T17:59:56Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• 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)
• PROMISE: A Framework for Developing Complex Conversational Interactions (Technical Report) [33.7054351451505]
  本稿では,情報システムとの複雑な言語によるインタラクションを開発するためのフレームワークであるPROMISEを提案する。 本稿では、健康情報システムにおけるアプリケーションシナリオの文脈におけるPROMISEの利点を示し、複雑なインタラクションを扱う能力を示す。
  論文  参考訳（メタデータ） (2023-12-06T18:59:11Z)

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。