論文の概要: Enhancing behavioral nudges with large language model-based iterative personalization: A field experiment on electricity and hot-water conservation

• arxiv url: http://arxiv.org/abs/2604.03881v1
• Date: Sat, 04 Apr 2026 22:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.811932
• Title: Enhancing behavioral nudges with large language model-based iterative personalization: A field experiment on electricity and hot-water conservation
• Title（参考訳）: 大規模言語モデルに基づく反復的パーソナライゼーションによる行動ナッジの強化:電気と温水保全に関するフィールド実験
• Authors: Zonghan Li, Yi Liu, Chunyan Wang, Song Tong, Kaiping Peng, Feng Ji,
• Abstract要約: 大規模言語モデル(LLM)は、パーソナライズされたガイダンスを生成し、介入ラウンドを反復的に更新することで、認知作業の一部を削減できる可能性がある。 中国233人の大学生を対象に,反復的パーソナライズのためのLSMエージェントを開発し,ランダム化実験を行った。
• 参考スコア（独自算出の注目度）: 13.2456037065026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nudging is widely used to promote behavioral change, but its effectiveness is often limited when recipients must repeatedly translate feedback into workable next steps under changing circumstances. Large language models (LLMs) may help reduce part of this cognitive work by generating personalized guidance and updating it iteratively across intervention rounds. We developed an LLM agent for iterative personalization and tested it in a three-arm randomized experiment among 233 university residents in China, using daily electricity and shower hot-water conservation as objectively measured cases differing in friction. LLM-personalized nudges (T2) produced the largest conservation effects, while image-enhanced conventional nudges (T1) and text-based conventional nudges (C) showed similar outcomes (omnibus p = 0.009). Relative to C, T2 reduced electricity consumption by 0.56 kWh per room-day (p = 0.014), corresponding to an 18.3 percentage-point higher adjusted saving rate. This advantage emerged within the first two intervention rounds, alongside iterative updating of personalized guidance, and persisted thereafter. Hot-water outcomes followed the same direction but were smaller, less precisely estimated, and attenuated over time, consistent with stronger friction in this domain. LLM-personalized nudges emphasized prospective and context-specific guidance and were associated with higher participant engagement. This study provides field evidence that LLM-based iterative personalization can enhance behavioral nudging, with behavioral friction as a potential boundary condition. Larger trials and extension to more behaviors are warranted.
• Abstract（参考訳）: 看護は行動の変化を促進するために広く用いられているが、その効果は、受信者が変化の状況下で繰り返しフィードバックを実行可能な次のステップに変換する必要がある場合に制限される。 大規模言語モデル(LLM)は、パーソナライズされたガイダンスを生成し、介入ラウンドを反復的に更新することで、認知作業の一部を削減できる可能性がある。 中国233の大学住民を対象に,反復的パーソナライズのためのLSMエージェントを開発し,摩擦の異なる客観的な事例として,毎日の電気とシャワー温水保護を用いてランダム化実験を行った。 LLM-personalized nudges (T2) は最大の保存効果を示し, 画像強調された従来のnudges (T1) とテキストベースなnudges (C) は同様の結果を示した(omnibus p = 0.009)。 Cと比較して、T2は1室1日あたり0.56kWh(p = 0.014)の電力消費を減らし、18.3ポイントの調整された貯蓄率に比例した。 このアドバンテージは、パーソナライズされたガイダンスの反復的な更新とともに、最初の2回の介入ラウンドで現れ、その後継続した。 熱水の結果は同じ方向をたどったが, より小さく, 精度は低く, 時間とともに減衰し, この領域の強い摩擦と一致した。 LLMを個人化したナッジは、予測的および文脈特異的なガイダンスを強調し、より高い参加関係に関連していた。 本研究は, LLMに基づく反復的パーソナライゼーションが, 行動摩擦を潜在的な境界条件として, 行動ヌードを促進できることを示す。 より大きな試行錯誤とより多くの行動の拡張が保証されている。

関連論文リスト

• Beyond Behavioural Trade-Offs: Mechanistic Tracing of Pain-Pleasure Decisions in an LLM [0.0]
  以前の研究は、一部のLCMは、選択肢が痛みや快楽を引き起こすものとしてフレーム化されているときに選択を変更でき、そのような偏差は、記述された強度でスケール可能であることを示唆している。 本研究では, 変圧器内における原子価関連情報がどのように表現され, どこで因果的に使用されるかを検討する。 Gemma-2-9B-itと、前処理をモデルとした最小限の決定タスクを用いて、(i)ストリームを横断する層ワイドな線形プローブを用いて、表現の可用性をマップする。 我々は,活性化介入(ステアリング,パッチ,アブレーション)による因果的寄与を検証し,(iii)エプシロングリッド上での線量応答効果を定量化する。
  論文  参考訳（メタデータ） (2026-02-22T12:42:38Z)
• Post-Training and Test-Time Scaling of Generative Agent Behavior Models for Interactive Autonomous Driving [3.8612647047433217]
  グループ相対行動最適化は、行動リアリズムを維持しながら安全性を40%以上改善する。 Warm-Kは、動き選択における一貫性と多様性のバランスをとる温かいスタートのTop-Kサンプリング戦略である。
  論文  参考訳（メタデータ） (2025-12-15T12:18:50Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• DeLeaker: Dynamic Inference-Time Reweighting For Semantic Leakage Mitigation in Text-to-Image Models [55.30555646945055]
  テキスト・ツー・イメージ(T2I)モデルはセマンティック・リークに対して脆弱である。 DeLeakerは、モデルのアテンションマップに直接介入することで、漏洩を緩和する軽量なアプローチである。 SLIMはセマンティックリークに特化した最初のデータセットである。
  論文  参考訳（メタデータ） (2025-10-16T17:39:21Z)
• Potential of large language model-powered nudges for promoting daily water and energy conservation [3.881859063840883]
  本研究では, 大規模言語モデル (LLM) を用いて, 適切な保全提案を行うことによる影響について検討した。 LLMを動力とするヌードは最大18.0%増加し、従来のヌードを88.6%上回った。 これらの知見は、個々の水とエネルギーの保存を促進する上でのLLMの変換ポテンシャルを浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-14T15:58:11Z)
• Rethinking Data Augmentation for Robust LiDAR Semantic Segmentation in Adverse Weather [21.040167521248772]
  既存のLiDARセマンティックセグメンテーション手法は、悪天候下での性能低下に苦慮することが多い。 これまでの研究は、悪天候をシミュレートしたり、トレーニング中に普遍的なデータ拡張を採用することでこの問題に対処してきた。 本稿では,性能劣化の主な原因を特定するために,新たな戦略データ拡張手法を提案する。 提案手法はセマンティックKITTI-to-SemanticSTFベンチマークで39.5 mIoUを達成し,ベースラインを8.1%改善し,新たな最先端技術を確立した。
  論文  参考訳（メタデータ） (2024-07-02T14:19:51Z)
• Inverse-Free Fast Natural Gradient Descent Method for Deep Learning [52.0693420699086]
  本稿では,第1期における逆転のみを必要とする高速な自然勾配降下法を提案する。 FNGDは1次法の平均和と類似性を示し、FNGDの計算複雑性は1次法に匹敵する。
  論文  参考訳（メタデータ） (2024-03-06T05:13:28Z)
• Training Discrete Deep Generative Models via Gapped Straight-Through Estimator [72.71398034617607]
  再サンプリングのオーバーヘッドを伴わずに分散を低減するため, GST (Gapped Straight-Through) 推定器を提案する。 この推定子は、Straight-Through Gumbel-Softmaxの本質的な性質に着想を得たものである。 実験により,提案したGST推定器は,2つの離散的な深部生成モデリングタスクの強いベースラインと比較して,優れた性能を享受できることが示された。
  論文  参考訳（メタデータ） (2022-06-15T01:46:05Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• Lipreading using Temporal Convolutional Networks [57.41253104365274]
  現在の単語認識モデルは,残差ネットワークと双方向Gated Recurrent Unit層で構成されている。 このモデルの限界に対処し、その性能をさらに向上させる変更を提案する。 提案モデルでは,これらのデータセットにおいてそれぞれ1.2%と3.2%の絶対的な改善が得られた。
  論文  参考訳（メタデータ） (2020-01-23T17:49:35Z)

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。