論文の概要: Expressing Social Emotions: Misalignment Between LLMs and Human Cultural Emotion Norms

• arxiv url: http://arxiv.org/abs/2604.16757v1
• Date: Sat, 18 Apr 2026 00:17:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.160141
• Title: Expressing Social Emotions: Misalignment Between LLMs and Human Cultural Emotion Norms
• Title（参考訳）: 社会的感情の表現:LLMと人間の文化的感情ノルムの相違
• Authors: Sree Bhattacharyya, Manas Mehta, Leona Chen, Cristina Salvador, Agata Lapedriza, Shiran Dudy, James Z. Wang,
• Abstract要約: LLMにおける異文化間社会感情表現の心理情報に基づく評価枠組みを提案する。 ヨーロッパ系アメリカ人とラテンアメリカ人の参加者の感情のエンゲージメントと非エンゲージメントの表現を比較した人間の研究を用いて,6つのフロンティアLSMを評価した。 あらゆるモデルは、広く表現されたヨーロッパ系アメリカ人の人格に対して特に目立たない違いが観察されるような、無関係な感情よりも活発な感情を表現している。 アブレーション分析により,これらのパターンは温度のサンプリングに頑健であり,部分的には言語に敏感であり,応答誘発形式に依存していることが明らかとなった。
• 参考スコア（独自算出の注目度）: 4.123547796999231
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The expression of emotions that serve social purposes, such as asserting independence or fostering interdependence, is central to human interactions and varies systematically across cultures. As LLMs are increasingly used to simulate human behavior in culturally nuanced interactions, it is important to understand whether they faithfully capture human patterns of social emotion expression. When LLM responses are not culturally aligned, their utility is compromised -- particularly when users assume they are interacting with a culturally attuned interlocutor, and may act on advice that proves inappropriate in their cultural context. We present a psychologically informed evaluation framework of cross-cultural social emotion expression in LLMs. Using a human study comparing European American and Latin American participants' expression of engaging and disengaging emotions, we evaluate six frontier LLMs on their ability to reflect culturally differentiated patterns for expressing social emotions. We find systematic misalignment between model and human behavior: all models express engaging emotions more than disengaging ones, with particularly stark differences observed for the generally well-represented European American persona. We further highlight that LLM responses are highly concentrated and deterministic, failing to capture the diversity of human responses in expressing social emotions. Our ablation analyses reveal that these patterns are robust to sampling temperatures, partially sensitive to prompt language, and dependent on the response elicitation format. Together, our findings highlight limitations in how current LLMs represent the interaction of cultural and emotional axes, particularly when expressing social emotions, with direct implications for their deployment in cross-cultural affective contexts.
• Abstract（参考訳）: 独立を主張したり、相互依存を育むような社会的目的に奉仕する感情の表現は、人間の相互作用の中心であり、文化によって体系的に異なる。 LLMは、文化的にニュアンスな相互作用における人間の行動のシミュレートにますます利用されているため、社会的感情表現の人間のパターンを忠実に捉えているかどうかを理解することが重要である。 LLMの応答が文化的に一致していない場合、その効用は損なわれ、特にユーザが文化的に調整されたインターロケーターと相互作用していると仮定し、文化的文脈で不適切であることを証明したアドバイスに作用する可能性がある。 LLMにおける異文化間社会感情表現の心理情報に基づく評価枠組みを提案する。 ヨーロッパ系アメリカ人とラテンアメリカ人の参加者の感情のエンゲージメントと非エンゲージメントの表現を比較した人間の研究を用いて,文化に分化したパターンを反映して社会的感情を表現できる6つのフロンティアLSMを評価した。 モデルと人間の行動の体系的な相違は、すべてのモデルが、広く表現されているヨーロッパ系アメリカ人の人格に対して特に顕著な違いを観察するよりも、活発な感情を表現しているのである。 さらに, LLM反応は集中度が高く, 決定論的であり, 社会的感情を表現する上での人間の反応の多様性を捉えることができないことも強調した。 アブレーション分析により,これらのパターンは温度のサンプリングに頑健であり,部分的には言語に敏感であり,応答誘発形式に依存していることが明らかとなった。 本研究は, 社会的感情の表現において, 現在のLLMが文化的・感情的な軸の相互作用をどのように表すか, 文化的な情緒的文脈への展開に直接的な意味を持つか, という制約を強調した。

関連論文リスト

• Dual Perspectives in Emotion Attribution: A Generator-Interpreter Framework for Cross-Cultural Analysis of Emotion in LLMs [23.408766732887912]
  大きな言語モデル(LLM)は、人間の感情を理解し、適応するために、異文化のシステムでますます使われている。 本稿では,表現と解釈の両方を考慮し,感情帰属の両視点を捉えるジェネレータ・インタプリタ・フレームワークを提案する。 分析の結果,パフォーマンスの変化は感情の種類や文化の文脈によって異なることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-30T23:32:17Z)
• EMO-R3: Reflective Reinforcement Learning for Emotional Reasoning in Multimodal Large Language Models [62.3977734456669]
  マルチモーダル大規模言語モデル(MLLM)の感情的推論能力を高めるためのフレームワークとして,情緒的推論のための反射強化学習(EMO-R3)を提案する。 構造化された感情的思考を導入し、構造化された解釈可能な方法で段階的に感情的推論を行い、そのモデルが視覚的テキストの一貫性と感情的コヒーレンスに基づいてその推論を再評価できる反射的感情的回帰を設計する。 EMO-R3はMLLMの解釈可能性と感情的インテリジェンスの両方を大幅に改善し、複数の視覚的感情理解ベンチマークにおいて優れた性能を達成する。
  論文  参考訳（メタデータ） (2026-02-27T08:42:52Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• 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)
• From Anger to Joy: How Nationality Personas Shape Emotion Attribution in Large Language Models [4.362338454684645]
  本研究では,感情の帰属を通じて,異なる国が事前訓練された大規模言語モデル(LLM)でどのように表現されるかを検討する。 我々の分析では、恥、恐怖、喜びといった感情が地域によって不均等に割り当てられているという、国籍に基づく大きな違いが明らかになっている。
  論文  参考訳（メタデータ） (2025-06-03T04:35:51Z)
• From Word to World: Evaluate and Mitigate Culture Bias in LLMs via Word Association Test [50.51344198689069]
  我々は,人中心語関連テスト(WAT)を拡張し,異文化間認知による大規模言語モデルのアライメントを評価する。 文化選好に対処するために,モデルの内部表現空間に直接,文化固有の意味的関連性を直接埋め込む革新的なアプローチであるCultureSteerを提案する。
  論文  参考訳（メタデータ） (2025-05-24T07:05:10Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• CULEMO: Cultural Lenses on Emotion -- Benchmarking LLMs for Cross-Cultural Emotion Understanding [7.308914305652415]
  カルチャー・レンズ・オン・エモーション (CuLEmo) は、6つの言語にまたがるカルチャー・アウェア・感情予測を評価するための最初のベンチマークである。 キュレモ語は言語ごとに400の工芸的な質問で構成されており、それぞれに微妙な文化的推論と理解が必要である。 このベンチマークを用いて、カルチャーを意識した感情予測と感情分析タスクにおける、最先端のLCMの評価を行う。
  論文  参考訳（メタデータ） (2025-03-12T01:01:30Z)
• Analyzing Cultural Representations of Emotions in LLMs through Mixed Emotion Survey [2.9213203896291766]
  本研究では,大規模言語モデル(LLM)における感情の文化的表現の分析に焦点をあてる。 本手法は,日本人とアメリカ人の反応に特徴的な感情指標を同定した宮本らの研究に基づいている。 モデルが文献の証拠と限定的に一致していることがわかりました。
  論文  参考訳（メタデータ） (2024-08-04T20:56:05Z)

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。