論文の概要: Accommodation Goes Both Ways: Studying Linguistic Convergence Between Humans and Language Models

• arxiv url: http://arxiv.org/abs/2605.29278v1
• Date: Thu, 28 May 2026 02:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.603285
• Title: Accommodation Goes Both Ways: Studying Linguistic Convergence Between Humans and Language Models
• Title（参考訳）: アクコモテーションは両方向に進む:人間と言語モデル間の言語的収束の研究
• Abstract要約: 我々は,マルチターン会話において,人間とLLMが互いの言語的スタイルをどのように適合させるかを検討する。 実世界のChatGPT転写文字のコーパスであるWildChat上の非対称収束測定値を用いて、LLMは機能語とオープンクラスの特徴の両方においてユーザに対して著しく過度に収束しているのに対し、この設定における人間の収束率は、ヒトと人間のベースラインと広く一致していることがわかった。
• 参考スコア（独自算出の注目度）: 10.676434494520976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As LLMs become increasingly integrated into daily life, understanding how their presence will shape human linguistic behavior is an open question. We present a large-scale study of linguistic convergence in human-LLM dialogue, examining how humans and LLMs accommodate each other's linguistic style during multi-turn conversations. Using an asymmetric convergence metric on WildChat, a corpus of real-world ChatGPT transcripts, we find that while LLMs significantly overconverge toward their users on both function word and open-class features across eight languages, human convergence rates in this setting are broadly consistent with human-human baselines. These findings suggest that accommodation in human-LLM dialogue is asymmetric: while LLMs dramatically overfit to their users' style, humans linguistically accommodate LLMs no differently than they would another person.
• Abstract（参考訳）: LLMが日々の生活に統合されるにつれて、その存在が人間の言語行動をどのように形成するかを理解することは、オープンな疑問である。 本稿では,人間-LLM対話における言語収束の大規模研究を行い,多ターン会話における人間とLLMの言語スタイルの相違について検討する。 実世界のChatGPT転写文字のコーパスであるWildChat上の非対称収束測定値を用いて、LLMは8言語にわたる関数語とオープンクラスの特徴の両方において、ユーザに対して著しく過度に収束しているのに対し、この設定における人間の収束速度は、ヒトのベースラインと広く一致していることがわかった。 これらの結果から,人間とLLMの対話における宿泊は非対称であることが示唆された。

関連論文リスト

• Do Large Language Models Adapt to Language Variation across Socioeconomic Status? [29.1246345717672]
  人間は、直面している聴衆に言語スタイルを調整します。 これらのモデルが人間同士のコミュニケーションを仲介するようになり、多様なスタイルに適応できないことは、ステレオタイプを永続させ、コミュニティを疎外する。 本研究では,LLMが社会経済的地位(SES)の異なるコミュニティにおけるソーシャルメディアコミュニケーションにどの程度統合されるかを検討する。
  論文  参考訳（メタデータ） (2026-02-12T13:36:38Z)
• XToM: Exploring the Multilingual Theory of Mind for Large Language Models [57.9821865189077]
  LLMにおける既存の心の理論の評価は英語に限られている。 XToMは5言語にまたがってToMを評価する,厳格に検証された多言語ベンチマークである。 以上の結果から,LLMが言語的文脈にまたがって人間的なメンタライゼーションを再現する能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2025-06-03T05:23:25Z)
• LLMs syntactically adapt their language use to their conversational partner [58.92470092706263]
  人間の話者は会話中に言語の使用が互いに一致していることがよく観察されている。 大規模言語モデル(LLM)間の会話のコーパスを構築し、2つのLLMエージェントが会話が進むにつれて、より類似した構文的選択をするのを見つける。
  論文  参考訳（メタデータ） (2025-03-10T15:37:07Z)
• Shaping Shared Languages: Human and Large Language Models' Inductive Biases in Emergent Communication [0.09999629695552195]
  ヒトと大言語モデル(LLM)の帰納バイアスに最適化された人工言語がどのように進化するかを検討する。 我々は、人間が協力しても、あらゆる状況において信頼できるコミュニケーションを可能にする、参照接頭辞が出現することを示します。
  論文  参考訳（メタデータ） (2025-03-06T12:47:54Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• LMLPA: Language Model Linguistic Personality Assessment [11.599282127259736]
  大規模言語モデル(LLM)は、日常の生活や研究にますます利用されている。 与えられたLLMの性格を測定することは、現在課題である。 言語モデル言語パーソナリティアセスメント(LMLPA)は,LLMの言語的パーソナリティを評価するシステムである。
  論文  参考訳（メタデータ） (2024-10-23T07:48:51Z)
• Real or Robotic? Assessing Whether LLMs Accurately Simulate Qualities of Human Responses in Dialogue [25.89926022671521]
  我々はWildChatデータセットから10万対のLLM-LLMと人間-LLM対話の大規模データセットを生成する。 シミュレーションと人間のインタラクションの間には比較的低いアライメントが見られ、複数のテキストの性質に沿って体系的な相違が示される。
  論文  参考訳（メタデータ） (2024-09-12T18:00:18Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)
• Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue [73.69510478736483]
  大規模言語モデル(LLM)は、流動的で一貫性があり多様な応答を生成する。 しかし、それらは重要な能力、コミュニケーションスキルを欠いている。 本稿は,内的モノローグによるLLMのコミュニケーション能力向上を目的としている。 実験の結果,提案したCSIM戦略はバックボーンモデルを改善し,ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-11-13T16:19:42Z)
• BotChat: Evaluating LLMs' Capabilities of Having Multi-Turn Dialogues [72.65163468440434]
  本報告では,人間型マルチターンチャットのための既存大規模言語モデルの予備的評価を行う。 そこで我々は,ChatSEEDに基づくマルチターン対話を発話によって生成する大規模言語モデル(LLM)を提案する。 GPT-4は優れた品質の人型多元対話を生成できるが、その性能は著しく上回っている。
  論文  参考訳（メタデータ） (2023-10-20T16:53:51Z)
• 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。