論文の概要: Context-Value-Action Architecture for Value-Driven Large Language Model Agents

• arxiv url: http://arxiv.org/abs/2604.05939v1
• Date: Tue, 07 Apr 2026 14:34:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.883927
• Title: Context-Value-Action Architecture for Value-Driven Large Language Model Agents
• Title（参考訳）: 価値駆動型大規模言語モデルエージェントのためのコンテキスト-値-表現アーキテクチャ
• Authors: TianZe Zhang, Sirui Sun, Yuhang Xie, Xin Zhang, Zhiqiang Wu, Guojie Song,
• Abstract要約: 大規模言語モデル(LLM)は人間の振舞いをシミュレートする可能性を示しているが、既存のエージェントはしばしば振舞いの剛性を示す。 本研究では,Stimulus-Organism-Response(S-O-R)モデルとSchwartz氏の基本的人的価値理論に基づくコンテキスト-バリュー-アクションアーキテクチャを提案する。 本手法は, より優れた行動忠実性と解釈可能性を提供しながら, 偏光を効果的に緩和する。
• 参考スコア（独自算出の注目度）: 15.830984215635008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have shown promise in simulating human behavior, yet existing agents often exhibit behavioral rigidity, a flaw frequently masked by the self-referential bias of current "LLM-as-a-judge" evaluations. By evaluating against empirical ground truth, we reveal a counter-intuitive phenomenon: increasing the intensity of prompt-driven reasoning does not enhance fidelity but rather exacerbates value polarization, collapsing population diversity. To address this, we propose the Context-Value-Action (CVA) architecture, grounded in the Stimulus-Organism-Response (S-O-R) model and Schwartz's Theory of Basic Human Values. Unlike methods relying on self-verification, CVA decouples action generation from cognitive reasoning via a novel Value Verifier trained on authentic human data to explicitly model dynamic value activation. Experiments on CVABench, which comprises over 1.1 million real-world interaction traces, demonstrate that CVA significantly outperforms baselines. Our approach effectively mitigates polarization while offering superior behavioral fidelity and interpretability.
• Abstract（参考訳）: 大規模言語モデル(LLM)は人間の行動のシミュレーションにおいて有望であるが、既存のエージェントは行動の剛性を示すことが多く、これは現在の「LLM-as-a-judge」評価の自己参照バイアスによってしばしば隠蔽される欠陥である。 即発推論の強度を増大させることは、忠実性を高めず、むしろ価値分極を悪化させ、人口の多様性を崩壊させる。 そこで本稿では,Stimulus-Organism-Response(S-O-R)モデルとSchwartz氏のベーシック・ヒューマン・バリューの理論に基づくコンテキスト・バリュー・アクション(CVA)アーキテクチャを提案する。 自己検証に依存する方法とは異なり、CVAは認知的推論から行動生成を分離する。 1.10万以上の現実世界の相互作用トレースを含むCVABenchの実験は、CVAがベースラインを著しく上回ることを示した。 本手法は, 偏光を効果的に軽減し, 優れた挙動忠実度と解釈可能性を提供する。

関連論文リスト

• Preference learning in shades of gray: Interpretable and bias-aware reward modeling for human preferences [8.680081568962999]
  本研究では,言語モデルにおける人間の嗜好学習に対する現在のアプローチの限界について検討する。 本稿では,人的判断の多次元的性質をよりよく捉えるための機能拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-01T18:26:16Z)
• VRM: Teaching Reward Models to Understand Authentic Human Preferences [39.939650821889764]
  変分回帰モデリングは、人間の嗜好判断の評価過程を明示的にモデル化する新しいフレームワークである。 以上の結果から,VRMは人間の嗜好を捉える上で,既存の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2026-03-05T09:12:39Z)
• Mitigating Reward Hacking in RLHF via Bayesian Non-negative Reward Modeling [49.41422138354821]
  非負の因子分析をBradley-Terry選好モデルに統合する原理的報酬モデリングフレームワークを提案する。 BNRMは、スパースで非負の潜在因子生成過程を通じて報酬を表す。 BNRMは報酬の過度な最適化を著しく軽減し、分布シフトによるロバスト性を改善し、強いベースラインよりも解釈可能な報酬分解をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-02-11T08:14:11Z)
• Stable and Explainable Personality Trait Evaluation in Large Language Models with Internal Activations [8.157769334164232]
  大規模言語モデルにおける安定かつ説明可能な性格特性評価のための内的アクティベーション補間法(PVNI) PVNIは、対照的な方向を使ってモデルの内部アクティベーションからペルソナベクトルを抽出する。 これはベクトルに沿って補間することで対応する中性スコアをアンカー軸として推定する。
  論文  参考訳（メタデータ） (2026-01-14T19:48:59Z)
• DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios [57.327907850766785]
  現実的な現実のシナリオにまたがる騙しのキャラクタリゼーションは未解明のままである。 DeceptionBenchは、さまざまなドメインにまたがる認知傾向を体系的に評価する最初のベンチマークです。 本研究は,本質的な側面から,ユーザ満足度を優先する自己関心のエゴスティックな傾向を示すモデルや,サイコファンティックな行動を示すモデルについて検討する。 実世界のフィードバックダイナミクスのより現実的なシミュレーションを構築するために,持続的マルチターン相互作用ループを組み込んだ。
  論文  参考訳（メタデータ） (2025-10-17T10:14:26Z)
• On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [68.62012304574012]
  マルチモーダル生成モデルは 信頼性 公正性 誤用の可能性について 批判的な議論を巻き起こしました 埋め込み空間におけるグローバルおよびローカルな摂動に対する応答を解析し、モデルの信頼性を評価するための評価フレームワークを提案する。 提案手法は, 信頼できない, バイアス注入されたモデルを検出し, 組込みバイアスの証明をトレースするための基礎となる。
  論文  参考訳（メタデータ） (2024-11-21T09:46:55Z)
• It HAS to be Subjective: Human Annotator Simulation via Zero-shot Density Estimation [15.8765167340819]
  人間アノテーションシミュレーション(Human Annotator Simulation, HAS)は、データアノテーションやシステムアセスメントなどの人的評価の代用として費用対効果がある。 人間の評価中の人間の知覚と行動は、多様な認知過程と主観的解釈による固有の多様性を示す。 本稿では,HASをゼロショット密度推定問題として扱うメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-30T20:54:59Z)
• Heterogeneous Value Alignment Evaluation for Large Language Models [91.96728871418]
  大規模言語モデル(LLM)は、その価値を人間のものと整合させることを重要視している。 本研究では,LLMと不均一値の整合性を評価するため,不均一値アライメント評価(HVAE)システムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T02:34:20Z)
• Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue Response Generation Models by Causal Discovery [52.95935278819512]
  本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。 因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T06:33:48Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)

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。