論文の概要: Modeling Community Attitude through Reaction Tone: A Human-AI Collaborative Framework for Evaluating LLM Alignment with Linguistic Behaviors in Online Communities

• arxiv url: http://arxiv.org/abs/2605.27388v1
• Date: Sun, 12 Apr 2026 07:46:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.51786
• Title: Modeling Community Attitude through Reaction Tone: A Human-AI Collaborative Framework for Evaluating LLM Alignment with Linguistic Behaviors in Online Communities
• Title（参考訳）: 反応音によるコミュニティ態度のモデル化:オンラインコミュニティにおけるLLMアライメントと言語行動の評価のための人間-AI協調フレームワーク
• Authors: Nuan Wen, Xuezhe Ma,
• Abstract要約: 大規模言語モデル(LLM)は、計算社会分析のプロキシとしてますます活用されている。 しかし、人間のコミュニティの「細い記述」を忠実に表現する能力は、依然として重要な課題である。
• 参考スコア（独自算出の注目度）: 18.07597628599252
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) are increasingly utilized as proxies for computational social analysis; yet, their ability to faithfully represent the "thick descriptions" (Geertz, 1973) of human communities remains a critical challenge. Current evaluations often reduce social identity to static labels, sidelining how real-world groups navigate social shifts. To bridge this gap, we introduce CARE (Community-Aware Reaction Evaluation), a reaction-centered framework that benchmarks LLM-simulated discourse against the authentic, event-contingent responses of distinct communities to real-world news. By characterizing a fine-grained spectrum of illocutionary tones and the underlying attitudes they manifest--validated through human-AI collaboration--our diagnosis reveals a persistent "realism gap": steering LLMs with explicit community prompts fails to inherently improve simulation fidelity. Analysis further identifies divergent behavioral signatures among frontier models, suggesting that current alignment strategies remain insufficient for capturing the sociolinguistic dynamics of online groups.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、計算社会分析のプロキシとしてますます活用されているが、人間のコミュニティの「厚い記述」を忠実に表現する能力(Geertz, 1973)は、依然として重要な課題である。 現在の評価では、社会的なアイデンティティを静的なラベルに還元し、現実世界のグループが社会的シフトをナビゲートする方法を並べていることが多い。 このギャップを埋めるために、我々は、異なるコミュニティの現実のニュースに対する真正かつ事象を伴う応答に対して、LCMを模擬した談話のベンチマークを行う、反応中心のフレームワークであるCARE(Community-Aware Reaction Evaluation)を紹介した。 人間とAIのコラボレーションを通じて検証された、きめ細かい音のスペクトルと根底にある態度を特徴づけることで、我々の診断は永続的な「現実主義のギャップ」を露呈する:明示的なコミュニティプロンプトでLSMを操ることは、本質的にシミュレーションの忠実さを改善できない。 分析により、フロンティアモデル間の多様な行動シグネチャが同定され、現在のアライメント戦略は、オンライングループの社会言語学的ダイナミクスを捉えるには不十分であることが示唆された。

関連論文リスト

• Evaluating Online Moderation Via LLM-Powered Counterfactual Simulations [2.429376470369691]
  エージェントベースモデリングを強化するために、LLM(Large Language Models)をうまく活用することができる。 我々は,モデレーションの介入によって有害な行動が影響される対実シミュレーションを可能にする,オンラインソーシャルネットワークのシミュレータを設計する。 我々は、OSNエージェントの心理的リアリズムとパーソナライズされたモデレーション戦略の優れた効果を明らかにする広範な実験を行う。
  論文  参考訳（メタデータ） (2025-11-10T15:31:59Z)
• 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)
• Large Language Model Driven Agents for Simulating Echo Chamber Formation [5.6488384323017]
  ソーシャルメディアプラットフォームにおけるエコーチャンバーの台頭は、分極と既存の信念の強化に対する懸念を高めている。 エコーチャンバーの形成をシミュレーションするための従来の手法は、しばしば事前定義された規則や数値シミュレーションに依存してきた。 本稿では,大言語モデル(LLM)を生成エージェントとして活用し,エコーチャンバー力学をシミュレートする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-25T12:05:11Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。 人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
  論文  参考訳（メタデータ） (2025-01-09T11:45:05Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)

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。