論文の概要: Personality, Role, and Expressive Style in Large Language Models: An Interactionist Analysis

• arxiv url: http://arxiv.org/abs/2605.28037v1
• Date: Wed, 27 May 2026 06:40:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.81132
• Title: Personality, Role, and Expressive Style in Large Language Models: An Interactionist Analysis
• Title（参考訳）: 大規模言語モデルにおけるパーソナリティ,役割,表現的スタイル:インタラクション分析
• Authors: Moe Nagao, Koichiro Terao, Mikio Nakano, Naoto Iwahashi,
• Abstract要約: 我々は,人格的特徴,対話的役割,表現的スタイルの3つの要因から,BFT(Big Five traits)表現がどのような影響を受けているかを分析する。 その結果,表現的パーソナリティは,明示的な特徴仕様だけでなく,対話的役割や表現的スタイルによっても形成されていることがわかった。
• 参考スコア（独自算出の注目度）: 0.11666234644810893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prompt-based personality control is a key technique for designing large language model (LLM) dialogue agents that behave consistently across social contexts. However, specifying Big Five personality traits (BFTs) in a prompt does not ensure that the intended traits are expressed in generated utterances. This paper investigates this mismatch from an interactionist perspective, viewing personality expression as a context-dependent outcome shaped by the interplay between trait specification and situational factors. We analyze how perceived BFT expression in LLM-generated dialogue is influenced by three prompt factors: personality traits, dialogue roles, and expressive styles. Using a factorial design that combines six personality conditions, three roles, and three expressive-style conditions, we generate 1,080 LLM-agent dialogues in each of English and Japanese. We then evaluate the target agent's utterances using an LLM-as-a-judge framework to estimate expressed Big Five traits. The results show that expressed personality is shaped not only by explicit trait specification, but also by dialogue role and expressive style. These effects are trait-specific: dialogue role strongly influences Openness, expressive style substantially shapes Conscientiousness and Agreeableness, and explicit trait specification dominates Neuroticism. Even without explicit personality-trait specification, social and expressive conditions induce distinct personality-like impressions. Cross-linguistic comparisons show broadly similar patterns between English and Japanese dialogues, with noticeable differences only under specific combinations of personality, role, and expressive style. These findings suggest that personality control in LLM agents should be understood not as a direct consequence of trait prompting, but as a context-dependent process involving personality specification, social role, and expressive style.
• Abstract（参考訳）: プロンプトに基づくパーソナリティコントロールは、社会的文脈で一貫して振る舞う大きな言語モデル(LLM)対話エージェントを設計するための重要なテクニックである。 しかし、プロンプトでビッグファイブ・パーソナリティ特性(BFT)を指定しても、意図した特徴が生成された発話で表現されることは保証されない。 本稿では、このミスマッチを相互作用論の観点から検討し、特徴仕様と状況要因の相互作用によって形成される文脈依存的な結果としてパーソナリティ表現を考察する。 LLM生成対話におけるBFT表現の知覚は,人格的特徴,対話的役割,表現的スタイルの3つの要因によって影響される。 6つの人格条件、3つの役割、3つの表現型条件を組み合わせた因子的設計を用いて、英語と日本語で1,080のLLM-エージェント対話を生成する。 次に、LLM-as-a-judgeフレームワークを用いてターゲットエージェントの発話を評価し、表現された5つの特徴を推定する。 その結果,表現的パーソナリティは,明示的な特徴仕様だけでなく,対話的役割や表現的スタイルによっても形成されていることがわかった。 これらの効果は特性特異的であり、対話の役割はオープンネスに強く影響し、表現的なスタイルは実質的に良心と可愛さに影響を与え、明示的な特徴仕様はニューロティズムを支配している。 明示的な人格・人格の仕様がなくても、社会的・表現的な条件は個性的な印象を生じさせる。 言語間の比較では、人格、役割、表現スタイルの特定の組み合わせにおいてのみ顕著な違いがみられ、英語と日本語の対話とは大きく類似したパターンが示される。 これらの結果から, LLMエージェントの人格制御は, 人格の特定, 社会的役割, 表現的スタイルを含む文脈依存的なプロセスとして, 特徴の直接的帰結としてではなく, 理解すべきであることが示唆された。

関連論文リスト

• 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)
• OmniCharacter: Towards Immersive Role-Playing Agents with Seamless Speech-Language Personality Interaction [123.89581506075461]
  OmniCharacter は,低レイテンシで没入型 RPA を実現するための対話型対話モデルである。 具体的には、OmniCharacterは、エージェントが相互作用を通して、ロール固有の性格特性と声質特性を一貫して表示できるようにする。 提案手法は,既存のRPAモデルや主流言語モデルと比較して,応答遅延を289msに抑えながら,内容とスタイルの両面で優れた応答が得られる。
  論文  参考訳（メタデータ） (2025-05-26T17:55:06Z)
• 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)
• Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
  パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。 本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
  論文  参考訳（メタデータ） (2024-09-29T14:41:43Z)
• The Effects of Embodiment and Personality Expression on Learning in LLM-based Educational Agents [0.7499722271664147]
  本研究は,人格表現と体格が,教育的会話エージェントにおける人格認識と学習にどのように影響するかを考察する。 教育アプリケーションに適したLLMベースの会話支援を統合することで、既存のパーソナリティ駆動型会話エージェントフレームワークを拡張した。 1)対話を通して人格を伝達する対話のみのモデル,(2)対話のみで人格を表現するアニメーション人間モデル,(3)対話と身体と顔のアニメーションを通して人格を表現するアニメーション人間モデル,の3つのモデルを評価する。
  論文  参考訳（メタデータ） (2024-06-24T09:38:26Z)
• P-React: Synthesizing Topic-Adaptive Reactions of Personality Traits via Mixture of Specialized LoRA Experts [34.374681921626205]
  我々は、専門家(MoE)をベースとしたパーソナライズされた大規模言語モデルであるP-Reactを提案する。 特に、パーソナリティ・ロス(PSL)を統合して、個々の特徴表現をよりよく捉えます。 この分野での研究を容易にするため、高品質で人間認証されたデータセットであるOCEAN-Chatをキュレートする。
  論文  参考訳（メタデータ） (2024-06-18T12:25:13Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Identifying and Manipulating the Personality Traits of Language Models [9.213700601337383]
  言語モデルにおける知覚的パーソナリティが、言語生成において一貫して現れるかどうかを検討する。 BERT や GPT2 のような言語モデルでは、異なる文脈におけるパーソナライズマーカーの識別と反映が一貫して可能であることを示す。 この振る舞いは、非常に予測可能な方法で操作できる能力を示し、それらを人格の特徴を特定し、ダイアログシステムのようなアプリケーションにおけるペルソナを制御するツールとしてフレーム化します。
  論文  参考訳（メタデータ） (2022-12-20T14:24:11Z)
• Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
  人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。 これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。 パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
  論文  参考訳（メタデータ） (2022-05-20T07:32:57Z)

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。