論文の概要: Motivation in Large Language Models

• arxiv url: http://arxiv.org/abs/2603.14347v1
• Date: Sun, 15 Mar 2026 12:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.762438
• Title: Motivation in Large Language Models
• Title（参考訳）: 大規模言語モデルにおけるモチベーション
• Abstract要約: モチベーションは人間の行動の中心的な要因であり、意思決定、ゴール、タスクパフォーマンスを形作る。 大規模言語モデル(LLM)が人間の嗜好に適合するようになるにつれて、モチベーションに類似するものが現れるかどうかを問う。 私たちの実験では、人間の心理学を反映する一貫性のある、構造的なパターンが明らかになりました。
• 参考スコア（独自算出の注目度）: 14.984642061188055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motivation is a central driver of human behavior, shaping decisions, goals, and task performance. As large language models (LLMs) become increasingly aligned with human preferences, we ask whether they exhibit something akin to motivation. We examine whether LLMs "report" varying levels of motivation, how these reports relate to their behavior, and whether external factors can influence them. Our experiments reveal consistent and structured patterns that echo human psychology: self-reported motivation aligns with different behavioral signatures, varies across task types, and can be modulated by external manipulations. These findings demonstrate that motivation is a coherent organizing construct for LLM behavior, systematically linking reports, choices, effort, and performance, and revealing motivational dynamics that resemble those documented in human psychology. This perspective deepens our understanding of model behavior and its connection to human-inspired concepts.
• Abstract（参考訳）: モチベーションは人間の行動の中心的な要因であり、意思決定、ゴール、タスクパフォーマンスを形作る。 大規模言語モデル(LLM)が人間の嗜好に適合するようになるにつれて、モチベーションに類似するものが現れるかどうかを問う。 LLMがモチベーションのレベルを「報告」するかどうか、これらの報告がそれらの行動にどのように関係しているか、外部要因がそれらに影響を与えるかを検討する。 自己報告されたモチベーションは、異なる行動シグネチャと一致し、タスクタイプによって異なり、外部操作によって変調される。 これらの結果は、モチベーションがLLM行動のコヒーレントな組織構造であり、報告、選択、努力、パフォーマンスを体系的にリンクし、人間の心理学で記録されたものと類似したモチベーションのダイナミクスを明らかにすることを示している。 この視点は、モデル行動とその人間に触発された概念との関係についての理解を深めます。

関連論文リスト

• Are Large Language Models Sensitive to the Motives Behind Communication? [9.246336669308665]
  大規模言語モデル(LLM)とAIエージェントは、人間の意図とインセンティブによって本質的にフレーム化された情報を処理する。 LLMが現実世界で有効であるためには、ソースのモチベーションを要因としてコンテンツの評価を批判的に行う必要がある。 我々は認知科学から制御された実験を用いて、LCMの行動が動機付けられた証言からの学習の合理的モデルと一致していることを検証する。 LLMの推論は、合理的なモデルをほとんど正確に追跡していないことが分かっています -- 一部には、警戒と関連する考慮を妨げている追加情報があるからです。
  論文  参考訳（メタデータ） (2025-10-22T15:35:00Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Mind the Gap: The Divergence Between Human and LLM-Generated Tasks [12.96670500625407]
  大規模言語モデル(LLM)を用いたエージェントとヒューマンタスク生成の比較を行った。 人間のタスク生成は、個人的価値観や認知スタイルを含む心理的ドライバの影響を一貫して受けている。 我々は,人間の認知の価値観,具体的性質とLLMの統計的パターンとの間には,中核的なギャップが存在すると結論付けた。
  論文  参考訳（メタデータ） (2025-08-01T03:00:41Z)
• Exploring the Personality Traits of LLMs through Latent Features Steering [12.142248881876355]
  本研究では, 文化的規範や環境ストレス要因などの要因が, 大規模言語モデル(LLM)内でどのように性格特性を形作るかを検討する。 本研究では,モデル内の要因に対応する潜在特徴を抽出し,ステアリングすることで,モデルの振る舞いを変更する訓練自由アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-07T21:02:34Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
  人間は、強さと文脈に応じて行動を促進する必要がある。 また、各行動の知覚的快楽に関連する嗜好も作り出します。 これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
  論文  参考訳（メタデータ） (2023-02-20T04:52:24Z)
• COMMA: Modeling Relationship among Motivations, Emotions and Actions in Language-based Human Activities [12.206523349060179]
  動機、感情、行動は、人間の活動において相互に関係する重要な要素である。 本稿では,言語に基づく人間活動におけるモチベーション,感情,行動のモデル化の可能性について検討する。
  論文  参考訳（メタデータ） (2022-09-14T07:54:20Z)
• Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
  人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。 これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。 パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
  論文  参考訳（メタデータ） (2022-05-20T07:32:57Z)
• Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level Prediction Error Dynamics [68.8204255655161]
  目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。 自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:53:13Z)
• Intrinsic Motivation for Encouraging Synergistic Behavior [55.10275467562764]
  スパース・リワード・シナジスティック・タスクにおける強化学習の探索バイアスとしての本質的モチベーションの役割について検討した。 私たちのキーとなる考え方は、シナジスティックなタスクにおける本質的なモチベーションのための優れた指針は、エージェントが自分自身で行動している場合、達成できない方法で世界に影響を与える行動を取ることである。
  論文  参考訳（メタデータ） (2020-02-12T19:34:51Z)

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。