論文の概要: Do LLM Agents Mirror Socio-Cognitive Effects in Power-Asymmetric Conversations?

• arxiv url: http://arxiv.org/abs/2605.17694v2
• Date: Tue, 19 May 2026 23:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 14:55:44.306905
• Title: Do LLM Agents Mirror Socio-Cognitive Effects in Power-Asymmetric Conversations?
• Title（参考訳）: LLMエージェントはパワー非対称会話における社会認知効果をミラー化するか?
• Authors: Anvesh Rao Vijjini, Sagar Manjunath, Snigdha Chaturvedi,
• Abstract要約: 我々は,大規模言語モデル (LLM) が高位または低位のペルソナに割り当てられた場合に類似した振る舞いを示すか否かを検討する。 多様な専門職のペルソナを用いて、マルチターン、パワー非対称な対話、および(i)言語調整、(ii)代名詞使用、(iii)説得成功、(iv)安全でない要求に対するコンプライアンスをシミュレートする。
• 参考スコア（独自算出の注目度）: 17.917161111978853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Power differences shape human communication through well documented socio cognitive effects, including language coordination, pronoun usage, authority bias, and harmful compliance. We examine whether large language models (LLMs) exhibit similar behaviors when assigned high or low status personas. Using personas from diverse professions, we simulate multi turn, power asymmetric dialogues (e.g., principal teacher, justice lawyer) and measure (i) language coordination, (ii) pronoun usage, (iii) persuasion success, and (iv) compliance with unsafe requests. Our results show that LLMs show key socio-cognitive effects of power, albeit with nuances and variability, linking simulated interactions to both desirable and unsafe behaviors.
• Abstract（参考訳）: 力の違いは、言語調整、代名詞の使用、権威バイアス、有害なコンプライアンスなど、十分に文書化された社会認知効果を通じて人間のコミュニケーションを形成する。 我々は,大規模言語モデル (LLM) が高位または低位のペルソナに割り当てられた場合に類似した振る舞いを示すか否かを検討する。 多様な専門職のペルソナを用いて、多ターン、パワー非対称な対話(例えば、主席教師、司法弁護士)、測定をシミュレートする。 (i)言語調整 (ii)用法、 (三)説得成功、及び (iv) 安全でない要求に対するコンプライアンス。 以上の結果から, LLMは, 好ましくない行動と非安全行動の両方にシミュレートされた相互作用をリンクする, ニュアンスや可変性を伴うものの, 権力の社会的認知的な重要な効果を示すことが明らかとなった。

関連論文リスト

• Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations [0.2621730497733947]
  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。
  論文  参考訳（メタデータ） (2026-04-23T23:01:38Z)
• Personality Expression Across Contexts: Linguistic and Behavioral Variation in LLM Agents [6.123697959900301]
  本研究は, 同一の性格が, 4つの会話環境において, 言語的, 行動的, 感情的な結果にどのように寄与するかを検討する。 発見は、同じ特徴が社会的・情緒的な要求によって異なることを示唆している。
  論文  参考訳（メタデータ） (2026-02-01T07:14:00Z)
• Learning Through Dialogue: Unpacking the Dynamics of Human-LLM Conversations on Political Issues [17.05441917302334]
  大規模言語モデル(LLM)は、学習のための対話的パートナーとしてますます使われていますが、ユーザの学習とエンゲージメントをサポートする相互作用のダイナミクスは検討されています。 社会政治問題に関する397人の人間とLLMの会話におけるLLMと参加者のチャットの言語的特徴と相互作用的特徴を分析した。
  論文  参考訳（メタデータ） (2026-01-12T18:10:21Z)
• Consistently Simulating Human Personas with Multi-Turn Reinforcement Learning [52.07170679746533]
  大規模言語モデル(LLM)は、セラピー、教育、社会的役割プレイといったインタラクティブな環境において、人間のユーザをシミュレートするためにますます使われています。 LLM生成対話におけるペルソナの一貫性の評価と改善のための統一的なフレームワークを提案する。 我々は3つの自動メトリクス、即行一貫性、行間一貫性、Q&A一貫性を定義し、異なるタイプのペルソナドリフトをキャプチャし、それぞれが人間のアノテーションに対して検証する。
  論文  参考訳（メタデータ） (2025-10-31T19:40:41Z)
• Can LLM Agents Maintain a Persona in Discourse? [3.286711575862228]
  大規模言語モデル(LLM)は、教育、法律、医学など、様々な分野でその能力を利用する会話エージェントとして広く利用されている。 LLMは、しばしばコンテキストシフトの振る舞いを受け、一貫性と解釈可能なパーソナリティ整合性の相互作用が欠如する。 LLMはパーソナライズされた対話へと導くことができるが、その性格特性を維持する能力はモデルと談話設定の組み合わせによって大きく異なる。
  論文  参考訳（メタデータ） (2025-02-17T14:36:39Z)
• 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)
• 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)
• Affect Recognition in Conversations Using Large Language Models [9.689990547610664]
  影響認識は人間のコミュニケーションにおいて重要な役割を担っている。 本研究では,会話における人間の影響を認識するための言語モデル(LLM)の能力について検討する。
  論文  参考訳（メタデータ） (2023-09-22T14:11:23Z)
• 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)
• Dissociating language and thought in large language models [52.39241645471213]
  大規模言語モデル(LLM)は、人間の言語を習得する上で、今までに最も近いモデルである。 我々は、この区別を人間の神経科学に根ざし、形式的、機能的な能力は異なる神経機構に依存していることを示した。 LLMは形式的能力は驚くほど優れているが、機能的能力のタスクにおける性能はいまだに不明瞭である。
  論文  参考訳（メタデータ） (2023-01-16T22:41:19Z)

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。