論文の概要: How AI Systems Think About Education: Analyzing Latent Preference Patterns in Large Language Models

• arxiv url: http://arxiv.org/abs/2603.21006v1
• Date: Sat, 28 Feb 2026 12:49:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.9542
• Title: How AI Systems Think About Education: Analyzing Latent Preference Patterns in Large Language Models
• Title（参考訳）: AIシステムは教育についてどう考えるか:大規模言語モデルにおける潜在的選好パターンの分析
• Authors: Daniel Autenrieth,
• Abstract要約: 本稿では,大規模言語モデルにおける教育的アライメントの最初の体系的測定について述べる。 8つの教育理論次元にわたる48項目からなるデルフィ価楽器を用いて、GPT-5.1は高いコヒーレントな嗜好パターンを示すことが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the first systematic measurement of educational alignment in Large Language Models. Using a Delphi-validated instrument comprising 48 items across eight educational-theoretical dimensions, the study reveals that GPT-5.1 exhibits highly coherent preference patterns (99.78% transitivity; 92.79% model accuracy) that largely align with humanistic educational principles where expert consensus exists. Crucially, divergences from expert opinion occur precisely in domains of normative disagreement among human experts themselves, particularly emotional dimensions and epistemic normativity. This raises a fundamental question for alignment research: When human values are contested, what should models be aligned to? The findings demonstrate that GPT-5.1 does not remain neutral in contested domains but adopts coherent positions, prioritizing emotional responsiveness and rejecting false balance. The methodology, combining Delphi consensus-building with Structured Preference Elicitation and Thurstonian Utility modeling, provides a replicable framework for domain-specific alignment evaluation beyond generic value benchmarks.
• Abstract（参考訳）: 本稿では,大規模言語モデルにおける教育的アライメントの最初の体系的測定について述べる。 8つの教育理論次元にわたる48項目からなるデルファイ検証装置を用いて、GPT-5.1は、専門家のコンセンサスが存在するヒューマニズム教育原則にほぼ一致する、高度に一貫性のある選好パターン(99.78%の推移率、92.79%のモデル精度)を示すことを明らかにした。 重要なことに、専門家の意見の相違は、人間の専門家自身、特に感情的次元とてんかんの規範性の間の規範的意見の相違の領域で正確に発生する。 このことは、アライメント研究の根本的な疑問を提起する。 人間の価値が争われているとき、モデルは何に対応すべきなのか? その結果、GPT-5.1は、競合するドメインでは中立ではなく、一貫性のある位置を採用し、感情的応答性を優先し、誤ったバランスを拒否することが明らかとなった。 Delphiのコンセンサス構築とStructured Preference ElicitationとThurstonian Utilityモデリングを組み合わせることで、ジェネリックバリューベンチマークを超えたドメイン固有のアライメント評価のためのレプリカ可能なフレームワークを提供する。

関連論文リスト

• PhyCritic: Multimodal Critic Models for Physical AI [101.37916322714041]
  我々は、2段階のRLVRパイプラインを通して物理AIに最適化されたマルチモーダル批評家モデルであるPhyCriticを紹介する。 我々はPhyCriticがオープンソースベースラインよりも高いパフォーマンス向上を実現し、ポリシーモデルとして適用すれば、物理的に基礎付けられたタスクにおける知覚と推論をさらに改善できることを示す。
  論文  参考訳（メタデータ） (2026-02-11T18:35:39Z)
• The Catastrophic Paradox of Human Cognitive Frameworks in Large Language Model Evaluation: A Comprehensive Empirical Analysis of the CHC-LLM Incompatibility [0.0]
  平均的な人間のIQスコアを達成するモデルは、結晶化された知識タスクにおいてゼロに近づいた二分精度を同時に示す。 この切断は、結晶化されたインテリジェンス領域において最も強く現れる。 人工知能の非人間性を認識するネイティブマシン認識アセスメントを開発するための枠組みを提案する。
  論文  参考訳（メタデータ） (2025-11-23T05:49:57Z)
• PRISM-Physics: Causal DAG-Based Process Evaluation for Physics Reasoning [57.868248683256574]
  PRISM-Physicsはプロセスレベルの評価フレームワークであり、複雑な物理推論問題のベンチマークである。 解は公式の有向非巡回グラフ(DAG)として表される。 その結果,評価フレームワークは人的専門家のスコアと一致していることがわかった。
  論文  参考訳（メタデータ） (2025-10-03T17:09:03Z)
• Measuring How LLMs Internalize Human Psychological Concepts: A preliminary analysis [0.0]
  本研究では,大規模言語モデルと人間の心理的次元間の概念整合性を評価する枠組みを開発する。 GPT-4モデルは優れた分類精度(66.2%)を獲得し、GPT-3.5(55.9%)とBERT(48.1%)を大きく上回った。 以上の結果から,現代のLLMは人間の心理的構造を計測可能な精度で近似できることが示された。
  論文  参考訳（メタデータ） (2025-06-29T01:56:56Z)
• ProtoReasoning: Prototypes as the Foundation for Generalizable Reasoning in LLMs [54.154593699263074]
  ProtoReasoningは、大規模推論モデルの推論能力を高めるフレームワークである。 ProtoReasoningは問題を対応するプロトタイプ表現に変換する。 ProtoReasoningは論理的推論に基づくベースラインモデルよりも4.7%改善されている。
  論文  参考訳（メタデータ） (2025-06-18T07:44:09Z)
• Evaluating AI Alignment in Eleven LLMs through Output-Based Analysis and Human Benchmarking [0.0]
  大規模言語モデル(LLM)は、心理学的な研究や実践にますます使われているが、従来のベンチマークでは、実際の相互作用で表現される価値についてはほとんど明らかにされていない。 LLMが表現する値の出力に基づく評価であるPAPERSを導入する。
  論文  参考訳（メタデータ） (2025-06-14T20:14:02Z)
• FormalMATH: Benchmarking Formal Mathematical Reasoning of Large Language Models [17.919212265668783]
  本稿では,高校のオリンピアード問題から学部レベルの定理まで,5,560の公証問題からなる大規模Lean4ベンチマークであるFormalMATHを提案する。 本稿では,文の自動形式化,セマンティック検証,否定に基づく無防備なフィルタリング戦略を統合した,新たなオートフォーマル化パイプラインを提案する。 現状のLSMに基づく定理証明器の評価は, 重大な限界を呈する。
  論文  参考訳（メタデータ） (2025-05-05T15:37:00Z)
• SocREval: Large Language Models with the Socratic Method for Reference-Free Reasoning Evaluation [78.23119125463964]
  我々は,参照フリー推論評価における新規な設計手法であるSocREvalを開発した。 SocREvalはGPT-4の性能を大幅に改善し、既存の参照フリーおよび参照ベース推論評価指標を上回っている。
  論文  参考訳（メタデータ） (2023-09-29T18:25:46Z)
• KPEval: Towards Fine-Grained Semantic-Based Keyphrase Evaluation [69.57018875757622]
  KPEvalは、参照合意、忠実性、多様性、有用性という4つの重要な側面からなる総合的な評価フレームワークである。 KPEvalを用いて、23のキーフレーズシステムを再評価し、確立されたモデル比較結果に盲点があることを発見した。
  論文  参考訳（メタデータ） (2023-03-27T17:45:38Z)

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。