論文の概要: The Human Condition as Reflected in Contemporary Large Language Models

• arxiv url: http://arxiv.org/abs/2604.06206v1
• Date: Sun, 15 Mar 2026 20:34:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.633695
• Title: The Human Condition as Reflected in Contemporary Large Language Models
• Title（参考訳）: 現代大言語モデルにおけるヒューマン・コンディション
• Authors: W. Russell Neuman,
• Abstract要約: 我々は,文化テーマの限定的なセットにおいて,堅牢なクロスモデルコンセンサスを同定する。 テーマには、物語的意味形成、感情第一認知、連帯心理学、ステータス・コンペティション、脅威感受性、道徳的合理化などがある。 我々は、LLMは文化的凝縮体として機能し、人間がどのように自らの社会生活を表現し、正当化し、争うかを圧縮した表現であると主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This study seeks to uncover evidence of a latent structure in evolved human culture as it is refracted through contemporary large language models (LLMs). Drawing on parallel responses from six leading generative models to a prompt which asks directly what their training corpora reveal about human culture and behavior, we identify a robust cross-model consensus on a limited set of recurring cultural themes. The themes include narrative meaning-making, affect-first cognition, coalition psychology, status competition, threat sensitivity, and moral rationalization. Each provides grounds for further psychological and sociological inquiry. There is strong evidence of a convergence in these pattern recognition exercises as differences among models are shown to reflect varying explanatory lenses rather than substantive disagreement. We review these findings in the light of the evolving literatures of moral psychology, evolutionary psychology, anthropology, and the computer science literature on large-scale language modeling. We argue that LLMs function as cultural condensates -- compressed representations of how humans describe, justify, and contest their own social lives across trillions of tokens of aggregated communication and narration.
• Abstract（参考訳）: 本研究は,現代大言語モデル (LLM) によって屈折されるヒト文化の潜伏構造の証拠を明らかにすることを目的としている。 6つの主要な生成モデルから、それらの学習コーパスが人間の文化や行動に何を示すかを直接問うプロンプトへの並列応答に基づいて、我々は、限られた文化テーマの集合において、頑健なクロスモデルコンセンサスを同定する。 テーマには、物語的意味形成、感情第一認知、連帯心理学、ステータス・コンペティション、脅威感受性、道徳的合理化などがある。 それぞれが、さらなる心理学的・社会学的調査の根拠を提供する。 モデル間の違いは、実体的不一致よりも様々な説明レンズを反映していることが示されるので、これらのパターン認識演習の収束の強い証拠がある。 本稿では,これらの知見を,道徳心理学,進化心理学,人類学,大規模言語モデリングに関する計算機科学文献の進化に照らして概観する。 我々は、LLMは文化的凝縮体として機能し、人間がどのように表現し、正当化し、自身の社会生活を何兆もの集合的コミュニケーションとナレーションのトークンで争うかを圧縮した表現であると主張している。

関連論文リスト

• HUMANLLM: Benchmarking and Reinforcing LLM Anthropomorphism via Human Cognitive Patterns [59.17423586203706]
  本稿では,心理的パターンを因果力の相互作用として扱うフレームワークであるHUMANLLMを提案する。 12,000の学術論文から244のパターンを構築し、2-5のパターンが相互に強化、衝突、変調されるシナリオ11,359を合成する。 我々の二重レベルチェックリストは、個々のパターンの忠実度と創発的なマルチパターンのダイナミクスを評価し、強い人間のアライメントを達成する。
  論文  参考訳（メタデータ） (2026-01-15T08:56:53Z)
• The Homogenizing Effect of Large Language Models on Human Expression and Thought [1.2057938662974816]
  このレビューは言語学、認知学、コンピュータ科学にまたがる証拠を合成し、大きな言語モデル(LLM)が支配的なスタイルをどのように反映し、強化するかを示す。 トレーニングデータにおけるパターンのミラーリングによって,その設計と普及が,この効果にどのように寄与するかを検討する。 確認されていないが、この均質化は、集団知性と適応性を促進する認知的景観をフラットにするリスクがある。
  論文  参考訳（メタデータ） (2025-08-02T21:22:25Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Investigating Cultural Alignment of Large Language Models [10.738300803676655]
  LLM(Large Language Models)は,異なる文化で採用されている多様な知識を真にカプセル化していることを示す。 社会学的調査をシミュレートし、実際の調査参加者のモデル応答を参考として、文化的アライメントの定量化を行う。 本稿では,人類学的推論を活用し,文化的アライメントを高める新しい手法である人類学的プロンプティングを紹介する。
  論文  参考訳（メタデータ） (2024-02-20T18:47:28Z)
• Six Fallacies in Substituting Large Language Models for Human Participants [0.0]
  大規模言語モデル(LLM)のようなAIシステムは、行動研究や心理学研究における人間の参加者を置き換えることができるのだろうか? ここでは「置き換え」の観点を批判的に評価し、その妥当性を損なう6つの解釈誤りを識別する。 それぞれの誤りは、LSMとは何か、人間の認知について何を教えてくれるのかについて、潜在的な誤解を表している。
  論文  参考訳（メタデータ） (2024-02-06T23:28:23Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Towards Explaining Subjective Ground of Individuals on Social Media [28.491401997248527]
  本研究は、個人の主観的根拠を学習し、ソーシャルメディアに投稿された他人の状況を判断する神経モデルを提案する。 簡単な注意モジュールと過去の活動を考慮に入れた上で,我々のモデルは,社会的状況を判断する際の個人の主観的嗜好について,人間可読な説明を提供することを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-18T00:29:05Z)

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。