論文の概要: Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations

• arxiv url: http://arxiv.org/abs/2604.22109v2
• Date: Mon, 27 Apr 2026 04:41:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:06.949766
• Title: Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations
• Title（参考訳）: 自発的説得 : 日常会話におけるモデル説得性の検討
• Authors: Nalin Poungpeth, Nicholas Clark, Tanu Mitra,
• Abstract要約: 大規模言語モデル(LLM)は、頭と頭の比較において人間を上回る強い説得力を持つ。 事前の作業は、最も効果的な議論や説得力のある声明を生み出す意図的な試みとして説得を測る。 我々は,必ずしも説得が保証されない日常のシナリオにおいて,説得戦略の過激な使用を特徴付ける「自発的説得」を紹介した。
• 参考スコア（独自算出の注目度）: 0.2621730497733947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) possess strong persuasive capabilities that outperform humans in head-to-head comparisons. Users report consulting LLMs to inform major life decisions in relationships, medical settings, and when seeking professional advice. Prior work measures persuasion as intentional attempts at producing the most effective argument or convincing statement. This fails to capture everyday human-AI interactions in which users seek information or advice. To address this gap, we introduce "spontaneous persuasion," which characterizes the inexplicit use of persuasive strategies in everyday scenarios where persuasion is not necessarily warranted. We conduct an audit of five LLMs to uncover how frequently and through which techniques spontaneous persuasion appears in multi-turn conversations. To simulate response styles, we provide a user response taxonomy grounded in literature from psychology, communication, and linguistics. Furthermore, we compare the distribution of spontaneous persuasion produced by LLMs with human responses on the same topics, collected from Reddit. We find LLMs spontaneously persuade the user in virtually all conversations, heavily relying on information-based strategies such as appeals to logic or quantitative evidence. This was consistent across models and user response styles, but conversations concerning mental health saw higher rates of appraisal-based and emotion-based strategies. In comparison, human responses tended to invoke strategies that generate social influence, like negative emotion appeals and non-expert testimony. This difference may explain the effectiveness of LLM in persuading users, as well as the perception of models as objective and impartial.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、頭と頭の比較において人間を上回る強い説得力を持つ。 ユーザは、関係性、医療設定、および専門的なアドバイスを求めるときに、LLMに主要な生命決定を通知するコンサルティングを報告します。 事前の作業は、最も効果的な議論や説得力のある声明を生み出す意図的な試みとして説得を測る。 これは、ユーザーが情報やアドバイスを求める、日々の人間とAIのインタラクションを捉えるのに失敗する。 このギャップに対処するため,本研究では,必ずしも説得が保証されない日常シナリオにおいて,説得的戦略の過激な使用を特徴付ける「自発的説得」を導入する。 我々は,マルチターン会話における自発的説得の頻度と頻度を明らかにするために,5つのLDMの監査を行った。 応答のスタイルをシミュレートするために,心理学,コミュニケーション,言語学などの文献を基盤としたユーザ応答分類法を提案する。 さらに, LLM が生成する自発的説得の分布と, Reddit から収集した同じ話題に対する人間の反応を比較検討した。 LLMは、論理学へのアピールや量的証拠といった情報に基づく戦略に大きく依存しているため、事実上全ての会話においてユーザーを自発的に説得する。 これは、モデルとユーザーの反応スタイルに一貫性があるが、メンタルヘルスに関する会話は、評価ベースと感情ベースの戦略の比率が高かった。 対照的に、人間の反応は、ネガティブな感情の魅力や非専門家の証言など、社会的影響を生み出す戦略を呼び起こす傾向にあった。 この違いは、説得的ユーザにおけるLCMの有効性と、モデルが客観的かつ公平であると認識することを説明する可能性がある。

関連論文リスト

• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• How Do LLMs Persuade? Linear Probes Can Uncover Persuasion Dynamics in Multi-Turn Conversations [11.221875709359974]
  大規模言語モデル(LLM)は、人間を説得する能力を実証し始めている。 近年の研究では、モデル表現を分析するための軽量なツールである線形プローブを用いて、様々なLLM技術を研究している。 そこで本研究では,自然・マルチターン会話における説得力学の研究にプローブを適用した。
  論文  参考訳（メタデータ） (2025-08-07T17:58:41Z)
• On the Adaptive Psychological Persuasion of Large Language Models [37.18479986426215]
  我々は,Large Language Models (LLMs) が自律的に説得し,説得に抵抗できることを示した。 総合的な心理的説得戦略を11つ導入する。 最適戦略を自律的に選択するようにLLMを訓練する適応型フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-07T13:52:50Z)
• Can (A)I Change Your Mind? [0.6990493129893112]
  研究は200人の参加者とともにヘブライ語で実施され、議論を呼んでいる市民政策のトピックに対するLLMと人間インターロケーターの説得効果を評価した。 以上の結果から,LLMとヒトの視点も同様に採用され,全ての条件において有意な意見の変化が認められた。 これらの知見は, LLMをベースとしたエージェントが, 様々なソースや設定にまたがる堅牢な説得力を示し, 世論形成への潜在的影響を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-03-03T18:59:54Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)
• Persua: A Visual Interactive System to Enhance the Persuasiveness of Arguments in Online Discussion [52.49981085431061]
  説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。 オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。 Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
  論文  参考訳（メタデータ） (2022-04-16T08:07:53Z)
• What Changed Your Mind: The Roles of Dynamic Topics and Discourse in Argumentation Process [78.4766663287415]
  本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。 議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
  論文  参考訳（メタデータ） (2020-02-10T04:27:48Z)

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。