論文の概要: Priming, Path-dependence, and Plasticity: Understanding the molding of user-LLM interaction and its implications from (many) chat logs in the wild

• arxiv url: http://arxiv.org/abs/2605.05767v1
• Date: Thu, 07 May 2026 07:00:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.581298
• Title: Priming, Path-dependence, and Plasticity: Understanding the molding of user-LLM interaction and its implications from (many) chat logs in the wild
• Title（参考訳）: プライミング,パス依存性,塑性:ユーザ-LLMインタラクションの成形と(多くの)チャットログからの意味を理解する
• Authors: Shengqi Zhu, Jeffrey M. Rzeszotarski, David Mimno,
• Abstract要約: この研究は、大規模チャットログを通じて現実世界のユーザ-LLMインタラクションを研究するための新しいアプローチを探究する。 タスクが多様であるにもかかわらず、ユーザ表現において重要なパターンを示す。
• 参考スコア（独自算出の注目度）: 14.896858577447093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: User interactions with LLMs are shaped by prior experiences and individual exploration, but in-lab studies do not provide system designers with visibility into these in-the-wild factors. This work explores a new approach to studying real-world user-LLM interactions through large-scale chat logs from the wild. Through analysis of 140K chatbot sessions from 7,955 anonymized global users over time, we demonstrate key patterns in user expressions despite varied tasks: (1) LLM users are not tabula rasa, nor are they constantly adapting; rather, interaction patterns form and stabilize rapidly through individual early trajectories; (2) Longitudinal outcomes, such as recurring text patterns and retention rates, are strongly correlated with early exploration; (3) Parallel dynamics are present, including organizing expressions by task types such as emotional support, or in response to model-version updates. These results present an ``agency paradox'': despite LLM input spaces being unconstrained and user-driven, we in fact see less user exploration. We call for design consideration surrounding the molding procedure and its incorporation in future research.
• Abstract（参考訳）: LLMとのユーザインタラクションは、以前の経験と個々の探索によって形作られていますが、インラブスタディでは、システムデザイナに対して、これらの内部要因の可視性を提供していません。 この研究は、大規模チャットログを通じて現実世界のユーザ-LLMインタラクションを研究するための新しいアプローチを探究する。 グローバルユーザ7,955人の匿名化ユーザから140Kのチャットボットセッションの分析を通じて,(1)LLMユーザは表層ラサではなく,常に適応していない,(2)テキストパターンの反復や保持率などの経時的な結果が早期探索と強く相関している,(3)感情的サポートなどのタスクタイプによる表現の編成,あるいはモデル変換更新に対する応答など,ユーザ表現のキーパターンが示されている。 これらの結果は'agency paradox'(緊急パラドックス)'を示している。 今後の研究における成形手順とその組み入れに関する設計上の考察を求める。

関連論文リスト

• Show or Tell? Modeling the evolution of request-making in Human-LLM conversations [14.896858577447093]
  WildChatに基づいた211kのリアルタイムクエリのデータセットを作成し,解析する。 我々は,人間-LLMシナリオにおいて,要求作成のための言語に有意な差異を見出した。 クエリパターンは、単独のリクエストを強調した初期のものから、後でより多くのコンテキストを組み合わせるまで進化しています。
  論文  参考訳（メタデータ） (2025-08-02T06:08:37Z)
• Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild [10.23533525266164]
  大規模言語モデル(LLM)は、複雑な記述において、ニーズに合うように世代を操るために使用される。 本研究では,タスク作成に携わるユーザを対象に,この協調行動の大規模分析を行う。 そこで本研究では,LLMとユーザが対話する際の特徴的行動の同定を行った。
  論文  参考訳（メタデータ） (2025-05-21T21:13:01Z)
• If an LLM Were a Character, Would It Know Its Own Story? Evaluating Lifelong Learning in LLMs [55.8331366739144]
  大規模言語モデル(LLM)における生涯学習評価のためのベンチマークであるLIFESTATE-BENCHを紹介する。 我々の事実チェック評価は、パラメトリックと非パラメトリックの両方のアプローチで、モデルの自己認識、エピソードメモリ検索、関係追跡を探索する。
  論文  参考訳（メタデータ） (2025-03-30T16:50:57Z)
• LLM-based Bi-level Multi-interest Learning Framework for Sequential Recommendation [54.396000434574454]
  本稿では,暗黙的行動と明示的意味論的視点を組み合わせた新しい多目的SRフレームワークを提案する。 Implicit Behavioral Interest ModuleとExplicit Semantic Interest Moduleの2つのモジュールが含まれている。 4つの実世界のデータセットの実験は、フレームワークの有効性と実用性を検証する。
  論文  参考訳（メタデータ） (2024-11-14T13:00:23Z)
• Beyond the Turn-Based Game: Enabling Real-Time Conversations with Duplex Models [66.24055500785657]
  従来のターンベースのチャットシステムは、ユーザが応答を生成している間に、システムが言葉で対話することを防ぐ。 これらの制限を克服するため,既存のLCMをユーザを聴きながら出力を生成し,ユーザに対して即時フィードバックを提供する。 クエリとレスポンスの時間スライスを交互に行うデータセットを構築し、インスタントインタラクションにおける典型的なフィードバックタイプをカバーする。
  論文  参考訳（メタデータ） (2024-06-22T03:20:10Z)
• LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation [58.04939553630209]
  現実世界のシステムでは、ほとんどのユーザーはほんの一握りのアイテムしか扱わないが、ほとんどのアイテムは滅多に消費されない。 これら2つの課題は、ロングテールユーザーとロングテールアイテムの課題として知られ、しばしば既存のシークエンシャルレコメンデーションシステムに困難をもたらす。 本稿では,これらの課題に対処するため,Large Language Models Enhancement framework for Sequential Recommendation (LLM-ESR)を提案する。
  論文  参考訳（メタデータ） (2024-05-31T07:24:42Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)

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。