論文の概要: Identifying and Understanding Human Values in Text: A Tailorable LLM-based Architecture
- arxiv url: http://arxiv.org/abs/2605.27373v1
- Date: Tue, 07 Apr 2026 11:44:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.498836
- Title: Identifying and Understanding Human Values in Text: A Tailorable LLM-based Architecture
- Title（参考訳）: テキストによる人的価値の識別と理解--LLMを基盤としたアーキテクチャ
- Authors: Eduardo de la Cruz Fernández, Marcelo Karanik, Sascha Ossowski,
- Abstract要約: 本稿では,テキスト中の人間の値の強度を検出し定量化するLLMアーキテクチャを提案する。
アーキテクチャは3つの調整されたモジュールで構成されており、任意の理論フレームワークの基本テキストから構造化された値仕様を生成するモジュール、これらの仕様を使用してテキストをラベル付けするモジュール、および、グレードされたサポートや抵抗を割り当てるモジュールである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As intelligent systems become more autonomous, the scientific community focuses on creating decision-making mechanisms that include ethical and moral considerations, unlike traditional utility-maximisation models. To achieve this, a key aspect is assessing how well these decisions align with human values. To this end, a promising line of research is centred on developing approaches based on Large Language Models (LLMs) to identify human values from text, whether explicit or implicit, enabling their recognition throughout. This paper introduces a LLM-based architecture to detect and quantify the intensity of human values in text, avoiding the limitations of previous approaches tied to specific value theory or complex prompt engineering. The architecture comprises three coordinated modules: one that generates structured value specifications from the foundational texts of any theoretical framework; one that labels texts using these specifications; and one that assigns graded support or resistance based on rhetorical and semantic evidence. This modular approach separates the tasks of conceptualising from detecting human values, creating a scalable and reproducible process driven by value specifications adaptable to various theories. The architecture was instantiated with multiple LLMs and evaluated using the ValueEval dataset. The experiments demonstrate good detection performance, confirming the generality of the pipeline.
- Abstract（参考訳）: インテリジェントシステムがより自律的になるにつれて、科学コミュニティは、従来のユーティリティ・最大化モデルとは異なり、倫理的および道徳的考察を含む意思決定メカニズムの作成に重点を置いている。
これを達成するために重要な側面は、これらの決定が人間の価値とどの程度うまく一致しているかを評価することである。
この目的のために、有望な研究は、テキストから人間の価値を識別する大規模言語モデル(LLM)に基づくアプローチの開発に集中している。
本稿では,テキスト中の人間の値の強度を検出し定量化するLLMアーキテクチャを提案する。
アーキテクチャは3つの調整されたモジュールから構成される: 理論的なフレームワークの基本テキストから構造化された値仕様を生成するモジュール、これらの仕様を使用してテキストをラベル付けするモジュール、および、修辞的および意味的な証拠に基づいて、グレードされたサポートまたは抵抗を割り当てるモジュール。
このモジュラーアプローチは、概念化のタスクを人間の値の検出から切り離し、様々な理論に適合する値仕様によって駆動されるスケーラブルで再現可能なプロセスを作成する。
アーキテクチャは複数のLCMでインスタンス化され、ValueEvalデータセットを使用して評価された。
実験では、パイプラインの汎用性を確認するとともに、優れた検出性能を示す。
関連論文リスト
- THETA: A Textual Hybrid Embedding-based Topic Analysis Framework and AI Scientist Agent for Scalable Computational Social Science [5.225859530177356]
本稿では,テキストハイブリッド埋め込みに基づくトピック分析(THETA)を紹介する。
THETAは、膨大なデータスケールと豊富な理論深度の間のギャップを埋める、新しい計算パラダイムとオープンソースツールである。
以上の結果から,LDA,EMM,CTMなどの従来のモデルよりも高い性能を示した。
論文 参考訳（メタデータ） (2026-03-06T07:12:05Z) - Value Lens: Using Large Language Models to Understand Human Values [0.0]
本稿では,生成人工知能を用いた人的価値の検出を目的としたテキストベースモデルを提案する。
提案したモデルは2段階で動作する: 第一は値の形式的理論を定式化することを目的としており、第二は与えられたテキスト内でこれらの値を特定することに焦点を当てている。
論文 参考訳（メタデータ） (2025-12-04T04:15:00Z) - Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。
この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
論文 参考訳（メタデータ） (2025-10-10T10:32:39Z) - Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。
我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
論文 参考訳（メタデータ） (2025-03-28T14:08:40Z) - Evaluating book summaries from internal knowledge in Large Language Models: a cross-model and semantic consistency approach [0.0]
本研究では,大規模言語モデル(LLM)を用いて,包括的かつ正確な書籍要約を生成する能力について検討する。
これらのモデルが、確立された人間の解釈と一致した有意義な物語を合成できるかどうかを検討する。
論文 参考訳（メタデータ） (2025-03-27T15:36:24Z) - StructTest: Benchmarking LLMs' Reasoning through Compositional Structured Outputs [78.84060166851805]
StructTestは、大規模な言語モデル(LLM)を合成命令に従って構造化出力を生成する能力に基づいて評価する、新しいベンチマークである。
評価はルールベースの評価器を用いて決定的に行われ、新しいタスクやデータセットに容易に拡張できる。
StructTestは、Deepseek-V3/R1やGPT-4oといったトップパフォーマンスモデルでも、依然として難しいままです。
論文 参考訳（メタデータ） (2024-12-23T22:08:40Z) - Beyond Human Norms: Unveiling Unique Values of Large Language Models through Interdisciplinary Approaches [69.73783026870998]
本研究では,大言語モデルの固有値システムをスクラッチから再構築する新しいフレームワークであるValueLexを提案する。
語彙仮説に基づいて、ValueLexは30以上のLLMから様々な値を引き出すための生成的アプローチを導入している。
我々は,3つのコア値次元,能力,キャラクタ,積分をそれぞれ特定の部分次元で同定し,LLMが非人間的だが構造化された価値体系を持っていることを明らかにした。
論文 参考訳（メタデータ） (2024-04-19T09:44:51Z) - SymbolicAI: A framework for logic-based approaches combining generative models and solvers [9.841285581456722]
生成過程における概念学習とフロー管理に論理的アプローチを取り入れた,汎用的でモジュール化されたフレームワークであるSybolicAIを紹介する。
我々は,大規模言語モデル(LLM)を,自然言語命令と形式言語命令の両方に基づいてタスクを実行する意味的解決器として扱う。
論文 参考訳（メタデータ） (2024-02-01T18:50:50Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。
まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:45:59Z)
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。