論文の概要: Stories of Your Life as Others: A Round-Trip Evaluation of LLM-Generated Life Stories Conditioned on Rich Psychometric Profiles

• arxiv url: http://arxiv.org/abs/2604.06071v1
• Date: Tue, 07 Apr 2026 16:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.938814
• Title: Stories of Your Life as Others: A Round-Trip Evaluation of LLM-Generated Life Stories Conditioned on Rich Psychometric Profiles
• Title（参考訳）: 他者としてのあなたの人生の物語 : リッチ・サイコメトリック・プロフィールに基づくLCM生成生活物語のラウンドトリップ評価
• Authors: Ben Wigler, Maria Tsfasman, Tiffany Matej Hrkalovic,
• Abstract要約: パーソナリティの特徴は、自然言語で十分にエンコードされている。 人文で訓練された大きな言語モデル(LLM)は、ペルソナの記述に条件付けされたときに性格をシミュレートすることができる。 本研究では,人体実験の信頼性に迫るレベルにおいて,生成した物語から人格スコアを復元できることを示す。
• 参考スコア（独自算出の注目度）: 0.09558392439655011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personality traits are richly encoded in natural language, and large language models (LLMs) trained on human text can simulate personality when conditioned on persona descriptions. However, existing evaluations rely predominantly on questionnaire self-report by the conditioned model, are limited in architectural diversity, and rarely use real human psychometric data. Without addressing these limitations, it remains unclear whether personality conditioning produces psychometrically informative representations of individual differences or merely superficial alignment with trait descriptors. To test how robustly LLMs can encode personality into extended text, we condition LLMs on real psychometric profiles from 290 participants to generate first-person life story narratives, and then task independent LLMs to recover personality scores from those narratives alone. We show that personality scores can be recovered from the generated narratives at levels approaching human test-retest reliability (mean r = 0.750, 85% of the human ceiling), and that recovery is robust across 10 LLM narrative generators and 3 LLM personality scorers spanning 6 providers. Decomposing systematic biases reveals that scoring models achieve their accuracy while counteracting alignment-induced defaults. Content analysis of the generated narratives shows that personality conditioning produces behaviourally differentiated text: nine of ten coded features correlate significantly with the same features in participants' real conversations, and personality-driven emotional reactivity patterns in narratives replicate in real conversational data. These findings provide evidence that the personality-language relationship captured during pretraining supports robust encoding and decoding of individual differences, including characteristic emotional variability patterns that replicate in real human behaviour.
• Abstract（参考訳）: パーソナリティ特性は自然言語で豊富に符号化されており、人間のテキストで訓練された大きな言語モデル(LLM)は、ペルソナ記述に条件付けされたときにパーソナリティをシミュレートすることができる。 しかし、既存の評価は、条件付きモデルによるアンケート自己申告に大きく依存しており、建築的多様性に制限があり、実際の人間の心理測定データを使用することは滅多にない。 これらの制限に対処することなく、パーソナリティ条件付けが個人差の心理的に有意な表現を生成するのか、単に特徴記述子と表面的アライメントするだけなのかは、まだ不明である。 LLMがいかに頑健に長文をエンコードできるかを検証するために、290人の被験者の実際の心理測定プロファイルにLCMを条件付け、第一のライフストーリーの物語を生成し、その物語のみからパーソナリティのスコアを回復させる。 本研究では, 人体実験の信頼性に近づくレベル(人体天井の約0.750, 85%)において, 生成した物語から人体スコアを復元できること, そして6つのプロバイダにまたがる10個のLLM物語生成装置と3個のLLM人体スコアの回復性を示す。 系統的バイアスを分解すると、アライメントによって引き起こされるデフォルトに対処しながら、スコアリングモデルが正確性を達成することが分かる。 10のコード化された特徴のうち9つは、参加者の実際の会話における同じ特徴と著しく相関し、物語における人格駆動的感情的反応パターンは実際の会話データに再現される。 これらの結果は、事前訓練中に得られた人格・言語関係が、実際の人間の行動に再現する特徴的な感情的変動パターンを含む、個人差の堅牢な符号化と復号を支援する証拠となる。

関連論文リスト

• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Evaluating the Simulation of Human Personality-Driven Susceptibility to Misinformation with LLMs [0.18416014644193066]
  大規模言語モデル(LLM)により、大規模に合成行動データを生成することができる。 我々は,誤情報に対する個人的影響の変動を再現するために,Big-Fiveプロファイルに規定されたLLMエージェントの能力を評価する。
  論文  参考訳（メタデータ） (2025-06-30T08:16:07Z)
• Probing then Editing Response Personality of Large Language Models [40.99117085818623]
  大きな言語モデル(LLM)は、一貫した性格特性をシミュレートする応答を生成する有望な能力を示している。 応答するパーソナリティをシミュレートする上でのLCMのレイヤーワイズ能力を検討するための層ワイズ探索フレームワークを提案する。 推論中にLLMによって表現される性格を階層的に編集する手法を提案する。
  論文  参考訳（メタデータ） (2025-04-14T13:46:35Z)
• Evaluating Personality Traits in Large Language Models: Insights from Psychological Questionnaires [3.6001840369062386]
  この研究は、多種多様なシナリオにおける大規模言語モデルに心理学的ツールを適用し、パーソナリティプロファイルを生成する。 以上の結果から, LLMは, 同一モデル群においても, 特徴, 特徴, 性格の異なる特徴を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-07T16:12:52Z)
• Is persona enough for personality? Using ChatGPT to reconstruct an agent's latent personality from simple descriptions [2.6080756513915824]
  パーソナリティ(Personality)は、人間の認知の基本的な側面であり、行動、思考、感情に影響を与える様々な特徴を含んでいる。 本稿では,社会デコグラフィとパーソナリティ型情報を含む簡単な記述のみに基づいて,これらの複雑な認知属性を再構築する大規模言語モデル(LLM)の機能について考察する。
  論文  参考訳（メタデータ） (2024-06-18T02:32:57Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Personality Traits in Large Language Models [42.31355340867784]
  コミュニケーションの有効性を決定する重要な要因は人格である。 本稿では,広く使用されている大規模言語モデル上でのパーソナリティテストの管理と検証のための,新しい,包括的・包括的心理学的・信頼性の高い方法論を提案する。 本稿では,計測・形成手法の適用と倫理的意味,特に責任あるAIについて論じる。
  論文  参考訳（メタデータ） (2023-07-01T00:58:51Z)
• PersonaLLM: Investigating the Ability of Large Language Models to Express Personality Traits [30.770525830385637]
  本研究では,ビッグファイブ・パーソナリティ・モデルに基づく大規模言語モデル(LLM)の行動について検討する。 その結果, LLMペルソナの自己申告したBFIスコアは, 指定した性格タイプと一致していることがわかった。 人間の評価は、人間は最大80%の精度でいくつかの性格特性を知覚できることを示している。
  論文  参考訳（メタデータ） (2023-05-04T04:58:00Z)

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。