論文の概要: Anthropomorphism and Trust in Human-Large Language Model interactions

• arxiv url: http://arxiv.org/abs/2604.15316v1
• Date: Sun, 01 Mar 2026 21:55:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.821421
• Title: Anthropomorphism and Trust in Human-Large Language Model interactions
• Title（参考訳）: 人-言語モデル相互作用における擬人化と信頼
• Authors: Akila Kadambi, Ylenia D'Elia, Tanishka Shah, Iulia Comsa, Alison Lentz, Katie Siri-Ngammuang, Tara Buechler, Jonas Kaplan, Antonio Damasio, Srini Narayanan, Lisa Aziz-Zadeh,
• Abstract要約: 大規模言語モデル(LLM)は日々の生活でますます普及しつつある。 そこで本研究では,2000以上の人間とLLMの相互作用において,LLMに対する信頼度を人為的形態化・属性化するために人々が使用する次元について検討する。
• 参考スコア（独自算出の注目度）: 1.0327060530379402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With large language models (LLMs) becoming increasingly prevalent in daily life, so too has the tendency to attribute to them human-like minds and emotions, or anthropomorphize them. Here, we investigate dimensions people use to anthropomorphize and attribute trust toward LLMs across more than 2,000 human-LLM interactions. Participants (N=115) engaged with LLM chatbots systematically varied in warmth (friendliness), competence (capability, coherence), and empathy (cognitive and affective). Warmth and cognitive empathy significantly predicted perceptions on all outcomes (perceived anthropomorphism, trust, similarity, relational closeness, frustration, usefulness), while competence predicted all outcomes except for anthropomorphism. Affective empathy primarily predicted perceived relational measures, but did not predict the epistemic outcomes. Topic sub-analyses showed that more subjective, personally relevant topics (e.g., relationship advice) amplified these effects, producing greater human-likeness and relational connection with the LLM than did objective topics. Together, these findings reveal that warmth, competence, and empathy are key dimensions through which people attribute relational and epistemic perceptions to artificial agents.
• Abstract（参考訳）: 大きな言語モデル(LLM)が日常生活でますます普及するにつれて、人間のような心や感情に起因する傾向や、それらを人為的に形作る傾向も見られる。 そこで本研究では,2000以上の人間とLLMの相互作用において,LLMに対する信頼度を人為的形態化・属性化するために人々が使用する次元について検討する。 LLMチャットボットに携わる参加者(N=115)は、温和さ(友情)、能力(能力、コヒーレンス)、共感(認知的、感情的)に体系的に変化した。 温暖感と認知共感は、すべての結果(人類同型、信頼、類似性、関係的近さ、フラストレーション、有用性)に対する認識を著しく予測し、能力は人類同型以外の全ての結果を予測する。 情緒的共感は、主に知覚的関係測度を予測したが、てんかんの結果を予測しなかった。 Topic sub-analyses は、主観的、個人的に関連するトピック(例えば、関係アドバイス)がこれらの効果を増幅し、客観的なトピックよりも人間的類似性とLLMとの関係性を高めることを示した。 これらの結果から, 温かさ, 能力, 共感が, 関係性, 認識を人工エージェントにもたらす重要な要素であることが示唆された。

関連論文リスト

• Social Simulations with Large Language Model Risk Utopian Illusion [61.358959720048354]
  社会シミュレーションにおける大規模言語モデルの行動分析のための体系的枠組みを提案する。 本手法は,チャットルーム型会話を通してマルチエージェントインタラクションをシミュレートし,5つの言語的側面にわたって解析する。 以上の結果から,LSMは真の人間の行動を忠実に再現するのではなく,過度に理想化されたバージョンを反映していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-24T06:08:41Z)
• Large Language Models are Highly Aligned with Human Ratings of Emotional Stimuli [0.62914438169038]
  感情は、普通の場所と高いストレスの両方のタスクにおいて、人間の行動と認知に大きな影響を及ぼす。 大規模言語モデルは、感情的に負荷された刺激や状況がどのように評価されるかを理解することによって、議論を知らせるべきである。 これらのケースにおけるモデルと人間の行動との整合性は、特定の役割や相互作用に対するLLMの有効性を知らせることができる。
  論文  参考訳（メタデータ） (2025-08-19T19:22:00Z)
• Measurement of LLM's Philosophies of Human Nature [113.47929131143766]
  大規模言語モデル(LLM)を対象とする標準化された心理尺度を設計する。 現在のLSMは、人間に対する信頼の欠如を示す。 本稿では,LLMが継続的に価値体系を最適化できるメンタルループ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-03T06:22:19Z)
• Judgment of Learning: A Human Ability Beyond Generative Artificial Intelligence [0.0]
  大規模言語モデル(LLM)は、様々な言語に基づくタスクにおいて、人間の認知を模倣する傾向にある。 我々は、ChatGPTに基づくLLMが人間の学習判断(JOL)と一致しているかどうかを評価するために、クロスエージェント予測モデルを導入する。 実験の結果,人間のJOLは実際のメモリ性能を確実に予測するが,いずれのLLMも同等の予測精度は示さなかった。
  論文  参考訳（メタデータ） (2024-10-17T09:42:30Z)
• Rel-A.I.: An Interaction-Centered Approach To Measuring Human-LM Reliance [73.19687314438133]
  インタラクションの文脈的特徴が依存に与える影響について検討する。 文脈特性が人間の信頼行動に大きく影響していることが判明した。 これらの結果から,キャリブレーションと言語品質だけでは人間とLMの相互作用のリスクを評価するには不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-10T18:00:05Z)
• Towards a Psychology of Machines: Large Language Models Predict Human Memory [0.0]
  大規模言語モデル(LLM)は自然言語処理において顕著な能力を示している。 本研究では,LLMが庭道文や文脈情報を含むタスクにおいて,人間の記憶性能を予測できるかどうかを検討する。
  論文  参考訳（メタデータ） (2024-03-08T08:41:14Z)
• Large Language Models Understand and Can be Enhanced by Emotional Stimuli [53.53886609012119]
  我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。 実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。 EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-07-14T00:57:12Z)
• Anthropomorphization of AI: Opportunities and Risks [24.137106159123892]
  擬人化は、人間的な特徴を非人間的な実体に当てはめる傾向である。 AIシステムが広く採用されるにつれて、ユーザーがそれを人為的に形作る傾向は著しく高まっている。 我々は、近年のAI権利章典の青写真を通して分析された、客観的な法的意味について研究する。
  論文  参考訳（メタデータ） (2023-05-24T06:39:45Z)
• SensAI+Expanse Emotional Valence Prediction Studies with Cognition and Memory Integration [0.0]
  この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。 開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。 本研究は, 年齢と性別の相違が有意であることを示すものである。
  論文  参考訳（メタデータ） (2020-01-03T18:17:57Z)

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。