論文の概要: From Pre-trained Models to Large Language Models: A Comprehensive Survey of AI-Driven Psychological Computing

• arxiv url: http://arxiv.org/abs/2604.03259v1
• Date: Thu, 12 Mar 2026 04:03:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.562467
• Title: From Pre-trained Models to Large Language Models: A Comprehensive Survey of AI-Driven Psychological Computing
• Title（参考訳）: 事前学習モデルから大規模言語モデル:AI駆動心理学コンピューティングに関する総合的な調査
• Authors: Huiyao Chen, Ruimeng Liu, Yan Luo, Jiawen Zhang, Meishan Zhang, Baotian Hu, Min Zhang,
• Abstract要約: この調査では、アプリケーションドメインではなく、計算処理パターンによってAI駆動型心理学タスクを組織化する最初の系統分類を紹介した。 本稿では,タスク固有の特徴工学から伝達学習,少数ショット適応に至るまでの計算手法について検討する。
• 参考スコア（独自算出の注目度）: 45.96605393710063
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The intersection of artificial intelligence and psychological science has experienced remarkable growth, with annual publications expanding from 859 papers in 2000 to 29,979 by 2025. However, this rapid evolution has created methodological fragmentation where similar computational techniques are independently developed across isolated psychological domains. This survey introduces the first systematic taxonomy that organizes AI-driven psychology tasks by computational processing patterns rather than application domains, categorizing them into four fundamental types: classification, regression, structured relational, and generative interactive tasks. Through analysis of over 300 representative works spanning the pre-trained model era and large language model era, we examine how computational approaches evolved from task-specific feature engineering to transfer learning and few-shot adaptation. We provide systematic coverage of datasets, evaluation metrics, and benchmarks while addressing fundamental challenges including interpretability, label uncertainty, privacy constraints, and cross-cultural validity. This computational perspective reveals transferable methodological patterns previously obscured by domain-centric organization, enabling systematic knowledge transfer and accelerated progress in computational psychology.
• Abstract（参考訳）: 人工知能と心理学の交差は目覚ましい成長を遂げており、2000年の859論文から2025年には29,979論文に拡大している。 しかし、この急速な進化は、同様の計算技術が独立した心理学領域間で独立して開発される方法論的断片化を生み出した。 この調査では、アプリケーションドメインではなく、計算処理パターンによってAI駆動型心理学タスクを組織化し、それらを分類、回帰、構造的リレーショナル、生成的インタラクティブタスクの4つの基本タイプに分類する最初の体系的な分類法を紹介した。 事前学習されたモデル時代と大規模言語モデル時代にまたがる300以上の代表作品の分析を通じて,タスク固有の特徴工学から転帰学習,少数ショット適応まで,計算的アプローチがどのように進化したかを考察した。 我々は、解釈可能性、ラベルの不確実性、プライバシーの制約、文化間の妥当性といった根本的な課題に対処しながら、データセット、評価指標、ベンチマークの体系的なカバレッジを提供する。 この計算的観点は、それまでドメイン中心の組織によって隠されていた伝達可能な方法論的パターンを明らかにし、体系的な知識伝達と計算心理学の進歩を促進する。

関連論文リスト

• From Pixels to Digital Agents: An Empirical Study on the Taxonomy and Technological Trends of Reinforcement Learning Environments [40.37268689666231]
  強化学習(RL)は、人工エージェントの訓練や評価に用いられる環境と本質的に結びついている。 この研究は、従来の定性的なレビューを超えて、進化に関する大規模な実証的研究を提示する。
  論文  参考訳（メタデータ） (2026-03-25T05:56:54Z)
• Survey on Remote Sensing Scene Classification: From Traditional Methods to Large Generative AI Models [2.970707784493277]
  リモートセンシングシーンの分類は、従来の手作り特徴法から高度な人工知能システムへのパラダイム転換を経験してきた。 本総説では, 従来のテクスチャ記述子から現在の最先端基礎モデルまで, 開発過程を体系的に追跡し, 完全な方法論的進化を考察する。 合成データ生成と高度な特徴学習戦略を通じて永続的な課題に取り組む、生成AIイノベーションに特に重点を置いている。
  論文  参考訳（メタデータ） (2026-03-23T11:35:37Z)
• A Multi-Component AI Framework for Computational Psychology: From Robust Predictive Modeling to Deployed Generative Dialogue [0.0]
  本稿では,孤立予測モデルと心理的分析のための対話型システムとのギャップを埋めるための包括的枠組みを提案する。 この方法論は厳格でエンドツーエンドな開発ライフサイクルを含んでいる。 主な発見は、感情コンピューティングのためのトランスフォーマーベースの回帰モデルの安定化の成功である。
  論文  参考訳（メタデータ） (2025-09-16T13:33:40Z)
• Qualitative Research in an Era of AI: A Pragmatic Approach to Data Analysis, Workflow, and Computation [0.0]
  我々は、知識、目的、倫理的コミットメントによって展開された場合、新しい技術は長年にわたる方法論上の課題に対処する可能性があると論じる。 我々は、慎重に、透過的に使用すると、現代の計算ツールは、置き換わるよりも、有意義に拡張できると結論付けている。
  論文  参考訳（メタデータ） (2025-09-15T23:12:13Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
  モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。 本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。 残る技術的課題や倫理的考察も分析する。
  論文  参考訳（メタデータ） (2025-06-05T05:42:27Z)

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。