論文の概要: AI generates well-liked but templatic empathic responses

• arxiv url: http://arxiv.org/abs/2604.08479v1
• Date: Thu, 09 Apr 2026 17:22:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:06.045147
• Title: AI generates well-liked but templatic empathic responses
• Title（参考訳）: AIは好意的だがテンポラティックな共感反応を生成する
• Abstract要約: 人々は、大きな言語モデル応答を、人間が書いた応答よりも共感的に評価します。 我々は10の共感的言語「戦術」の分類法を開発する。 LLM応答は談話機能レベルで非常に定式化されている。
• 参考スコア（独自算出の注目度）: 26.705469030874223
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent research shows that greater numbers of people are turning to Large Language Models (LLMs) for emotional support, and that people rate LLM responses as more empathic than human-written responses. We suggest a reason for this success: LLMs have learned and consistently deploy a well-liked template for expressing empathy. We develop a taxonomy of 10 empathic language "tactics" that include validating someone's feelings and paraphrasing, and apply this taxonomy to characterize the language that people and LLMs produce when writing empathic responses. Across a set of 2 studies comparing a total of n = 3,265 AI-generated (by six models) and n = 1,290 human-written responses, we find that LLM responses are highly formulaic at a discourse functional level. We discovered a template -- a structured sequence of tactics -- that matches between 83--90% of LLM responses (and 60--83\% in a held out sample), and when those are matched, covers 81--92% of the response. By contrast, human-written responses are more diverse. We end with a discussion of implications for the future of AI-generated empathy.
• Abstract（参考訳）: 近年の研究では、感情的支援のため、より大きな言語モデル(LLM)に目を向ける人が増えていることが示されており、LLMの反応は人間による反応よりも共感的であると評価されている。 LLMは学び、共感を表現するためのよく似たテンプレートを一貫してデプロイしています。 本研究では,感情や言い回しの検証を含む10の共感的言語"戦術"の分類法を開発し,この分類法を適用して,共感的反応を書く際に人やLLMが生み出す言語を特徴付ける。 n = 3,265のAI生成(6つのモデルによる)とn = 1,290の人間による応答を比較した2つの研究のセットにおいて、LLM応答は談話機能レベルで高度に定式化されていることがわかった。 LLMレスポンスの83--90%(および保持されたサンプルでは60--83\%)と一致し、マッチすると81--92%のレスポンスをカバーします。 対照的に、人間による応答はより多様である。 我々は、AIが生み出す共感の未来への意味についての議論に終止符を打つ。

関連論文リスト

• Discourse Diversity in Multi-Turn Empathic Dialogue [27.43686763116342]
  大規模言語モデル(LLM)は、シングルターン設定において非常に共感的であると評価された応答を生成する。 LLMは、同じ語彙パターン、構文テンプレート、タスク間の談話構造を再利用する公式なジェネレータとして知られている。 マルチターン共感対話における談話移動の多様性を最適化する最初の強化学習フレームワークであるMINTを紹介する。
  論文  参考訳（メタデータ） (2026-04-13T17:17:22Z)
• Large Language Models Do Not Simulate Human Psychology [0.8039067099377079]
  一部の研究は、Large Language Models (LLM) が人間の心理学をシミュレートできるかもしれないことを示唆している。 我々は、LLMが人間の心理学をシミュレートする仮説に対する概念的議論を提供する。 LLMとヒトの反応に顕著な相違が生じていることを示す。
  論文  参考訳（メタデータ） (2025-08-09T11:56:59Z)
• Real or Robotic? Assessing Whether LLMs Accurately Simulate Qualities of Human Responses in Dialogue [25.89926022671521]
  我々はWildChatデータセットから10万対のLLM-LLMと人間-LLM対話の大規模データセットを生成する。 シミュレーションと人間のインタラクションの間には比較的低いアライメントが見られ、複数のテキストの性質に沿って体系的な相違が示される。
  論文  参考訳（メタデータ） (2024-09-12T18:00:18Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)
• Are Large Language Models More Empathetic than Humans? [14.18033127602866]
  GPT-4は最も共感的な反応として現れ、人間のベンチマークに比べて約31%の反応が「Good」と評価された。 一部のLSMは、特定の感情に反応するのが他よりもはるかに優れている。
  論文  参考訳（メタデータ） (2024-06-07T16:33:43Z)
• Crafting Interpretable Embeddings by Asking LLMs Questions [89.49960984640363]
  大規模言語モデル(LLM)は、自然言語処理タスクの増大に対して、テキスト埋め込みを急速に改善した。 質問応答埋め込み (QA-Emb) を導入し, 各特徴がLLMに対して質問された質問に対する回答を表す。 我々はQA-Embを用いて、言語刺激に対するfMRIボクセル応答を予測するための解釈可能なモデルを柔軟に生成する。
  論文  参考訳（メタデータ） (2024-05-26T22:30:29Z)
• Large Language Models Produce Responses Perceived to be Empathic [40.38391275905264]
  LLM(Large Language Models)は、一般的な生活経験を説明する投稿に応答して共感的なメッセージを生成する。 いくつかのモデルで書かれた様々な反応を示し、その反応がいかに共感的であるかを評価した。 その結果, LLM生成応答は人文応答よりも共感的であった。
  論文  参考訳（メタデータ） (2024-03-26T23:14:34Z)
• Scaling Data Diversity for Fine-Tuning Language Models in Human Alignment [84.32768080422349]
  人間の好みの調整は、大きな言語モデルが誤解を招くか有害なコンテンツを生成するのを防ぐ。 本研究では, 微調整後のLLMの最終性能と線形相関を示唆し, 即時多様性の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2024-03-17T07:08:55Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)
• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)

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。