論文の概要: Dual Perspectives in Emotion Attribution: A Generator-Interpreter Framework for Cross-Cultural Analysis of Emotion in LLMs

• arxiv url: http://arxiv.org/abs/2603.29077v1
• Date: Mon, 30 Mar 2026 23:32:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.946387
• Title: Dual Perspectives in Emotion Attribution: A Generator-Interpreter Framework for Cross-Cultural Analysis of Emotion in LLMs
• Title（参考訳）: 感情属性の両面的視点: LLMにおける感情の相互解析のためのジェネレータ・インタプリタ・フレームワーク
• Abstract要約: 大きな言語モデル(LLM)は、人間の感情を理解し、適応するために、異文化のシステムでますます使われている。 本稿では,表現と解釈の両方を考慮し,感情帰属の両視点を捉えるジェネレータ・インタプリタ・フレームワークを提案する。 分析の結果,パフォーマンスの変化は感情の種類や文化の文脈によって異なることが明らかとなった。
• 参考スコア（独自算出の注目度）: 23.408766732887912
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used in cross-cultural systems to understand and adapt to human emotions, which are shaped by cultural norms of expression and interpretation. However, prior work on emotion attribution has focused mainly on interpretation, overlooking the cultural background of emotion generators. This assumption of universality neglects variation in how emotions are expressed and perceived across nations. To address this gap, we propose a Generator-Interpreter framework that captures dual perspectives of emotion attribution by considering both expression and interpretation. We systematically evaluate six LLMs on an emotion attribution task using data from 15 countries. Our analysis reveals that performance variations depend on the emotion type and cultural context. Generator-interpreter alignment effects are present; the generator's country of origin has a stronger impact on performance. We call for culturally sensitive emotion modeling in LLM-based systems to improve robustness and fairness in emotion understanding across diverse cultural contexts.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、文化的な表現や解釈の規範によって形作られた人間の感情を理解し、適応するために、異文化のシステムでますます使われている。 しかし、感情帰属に関する先行研究は、感情生成者の文化的背景を見渡すことを中心に、主に解釈に焦点を当てている。 この普遍性の仮定は、国家間での感情の表現や認識のバリエーションを無視している。 このギャップに対処するために,表現と解釈の両方を考慮し,感情帰属の2つの視点を捉えるジェネレータ・インタプリタ・フレームワークを提案する。 15ヶ国のデータを用いて6つのLDMを感情帰属タスクで体系的に評価した。 分析の結果,パフォーマンスの変化は感情の種類や文化の文脈によって異なることが明らかとなった。 発電機と解釈器のアライメント効果があり、発電機の発祥国は性能に強い影響を与える。 多様な文化的文脈における感情理解の堅牢性と公平性を改善するため,LLMシステムにおける文化的に敏感な感情モデリングを提唱する。

関連論文リスト

• Expressing Social Emotions: Misalignment Between LLMs and Human Cultural Emotion Norms [4.123547796999231]
  LLMにおける異文化間社会感情表現の心理情報に基づく評価枠組みを提案する。 ヨーロッパ系アメリカ人とラテンアメリカ人の参加者の感情のエンゲージメントと非エンゲージメントの表現を比較した人間の研究を用いて,6つのフロンティアLSMを評価した。 あらゆるモデルは、広く表現されたヨーロッパ系アメリカ人の人格に対して特に目立たない違いが観察されるような、無関係な感情よりも活発な感情を表現している。 アブレーション分析により,これらのパターンは温度のサンプリングに頑健であり,部分的には言語に敏感であり,応答誘発形式に依存していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-18T00:17:34Z)
• Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing [4.733799057798266]
  私たちは感情を、モデルがどのようにテキストに従属し、推論するかを形作る潜在要因として研究しています。 我々は、トランスモデルにおいて、感情的なトーンが注意構造を体系的にどう変化させるかを分析する。 トレーニング中に感情条件付き表現の漂流を制限する感情正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T05:23:18Z)
• EMO-R3: Reflective Reinforcement Learning for Emotional Reasoning in Multimodal Large Language Models [62.3977734456669]
  マルチモーダル大規模言語モデル(MLLM)の感情的推論能力を高めるためのフレームワークとして,情緒的推論のための反射強化学習(EMO-R3)を提案する。 構造化された感情的思考を導入し、構造化された解釈可能な方法で段階的に感情的推論を行い、そのモデルが視覚的テキストの一貫性と感情的コヒーレンスに基づいてその推論を再評価できる反射的感情的回帰を設計する。 EMO-R3はMLLMの解釈可能性と感情的インテリジェンスの両方を大幅に改善し、複数の視覚的感情理解ベンチマークにおいて優れた性能を達成する。
  論文  参考訳（メタデータ） (2026-02-27T08:42:52Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• Do LLMs "Feel"? Emotion Circuits Discovery and Control [54.57583855608979]
  本研究では、感情表現を引き起こす内部メカニズムと、生成したテキストにおける感情の制御について検討する。 これは、大きな言語モデルで感情回路を発見し、検証する最初の体系的な研究である。
  論文  参考訳（メタデータ） (2025-10-13T12:24:24Z)
• AI shares emotion with humans across languages and cultures [12.530921452568291]
  言語文化グループとモデル家族間の人間とAIの感情的アライメントを評価する。 分析の結果,LLM由来の感情空間は人間の知覚と構造的に一致していることがわかった。 モデル表現は、異なる感情カテゴリーにまたがって安定かつ自然に調節可能であることを示す。
  論文  参考訳（メタデータ） (2025-06-11T14:42:30Z)
• From Anger to Joy: How Nationality Personas Shape Emotion Attribution in Large Language Models [4.362338454684645]
  本研究では,感情の帰属を通じて,異なる国が事前訓練された大規模言語モデル(LLM)でどのように表現されるかを検討する。 我々の分析では、恥、恐怖、喜びといった感情が地域によって不均等に割り当てられているという、国籍に基づく大きな違いが明らかになっている。
  論文  参考訳（メタデータ） (2025-06-03T04:35:51Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• CULEMO: Cultural Lenses on Emotion -- Benchmarking LLMs for Cross-Cultural Emotion Understanding [7.308914305652415]
  カルチャー・レンズ・オン・エモーション (CuLEmo) は、6つの言語にまたがるカルチャー・アウェア・感情予測を評価するための最初のベンチマークである。 キュレモ語は言語ごとに400の工芸的な質問で構成されており、それぞれに微妙な文化的推論と理解が必要である。 このベンチマークを用いて、カルチャーを意識した感情予測と感情分析タスクにおける、最先端のLCMの評価を行う。
  論文  参考訳（メタデータ） (2025-03-12T01:01:30Z)
• When Words Smile: Generating Diverse Emotional Facial Expressions from Text [77.1867389815291]
  本稿では,感情動態に着目したエンドツーエンドのテキスト対表現モデルを提案する。 我々のモデルは連続的な潜伏空間における表情の変動を学習し、多様な、流動的で、感情的に一貫性のある表現を生成する。
  論文  参考訳（メタデータ） (2024-12-03T15:39:05Z)
• ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
  CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。 本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
  論文  参考訳（メタデータ） (2024-05-17T15:45:08Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)

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。