論文の概要: If LLMs Have Human-Like Attributes, Then So Does Age of Empires II

• arxiv url: http://arxiv.org/abs/2605.31514v2
• Date: Mon, 01 Jun 2026 21:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 18:57:50.261521
• Title: If LLMs Have Human-Like Attributes, Then So Does Age of Empires II
• Title（参考訳）: LLMが人間のような属性を持つなら、エンパイアIIの時代はそうなる
• Authors: Adrian de Wynter,
• Abstract要約: われわれは、ビデオゲーム『帝国時代の時代』に基づいて、シンプルなニューラルネットワークを構築し、訓練する。 LEGO や Greater Boston Area のような十分なパワーを持つ基板の任意のエンティティも,そのような属性を提示できる点に注意が必要だ。
• 参考スコア（独自算出の注目度）: 12.037650994342664
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Much research has been carried out on large language models (LLMs) and LLM-powered agentic workflows. However, many works within the field state emergence of, ascribe to, or assume, generalised anthropomorphic attributes to them (e.g., morality or understanding of natural language). Our goal is not to argue in favour or against the existence of these attributes, but to point out that these conclusions could be incorrect. For this we build and train a simple neural network on the videogame Age of Empires II, and note that any entity in a sufficiently-powerful substrate, such as LEGO or the Greater Boston Area, could also present such attributes. Hence, the purported anthropomorphic attributes of LLMs are empirically non-unique: although some properties (e.g., responses to prompts) could remain constant, others, such as the interpretation of their perceived behaviour, might change with the substrate. Thus, any empirically-grounded discussion requires explicit measurement criteria; otherwise the interpretation is left to the representation. We then show that assuming that these attributes exist or not in a system, independent of the substrate and in a generalised way, leads to either circular or uninformative conclusions, regardless of the experimenter's viewpoint on the subject. Finally we propose a 'null' assumption, where one assumes LLM non-uniqueness instead of assuming anthropomorphic attributes to set up an experiment, along with examples of it. We also discuss potential objections to our work, briefly survey the field, and prove that Age of Empires II is functionally- and Turing-complete.
• Abstract（参考訳）: 大規模言語モデル(LLM)とLLMによるエージェントワークフローについて多くの研究がなされている。 しかし、フィールド状態における多くの著作は、それら(例えば、道徳性または自然言語の理解)に対する人為的属性の出現、従属、あるいは仮定、一般化した。 私たちのゴールは、これらの属性の存在を支持したり、反対したりするのではなく、これらの結論が正しくないことを指摘することです。 そのため、ゲーム『エンパイア2世』で単純なニューラルネットワークを構築し、トレーニングし、LEGOやボストン大都市圏のような十分なパワーを持つ基板のあらゆる実体が、そのような属性を提示できることに注意する。 したがって、LLMの人為的特性は経験的に非普遍的であり、いくつかの特性(例えば、プロンプトに対する応答)は一定でありうるが、他の特性、例えば認識された振る舞いの解釈は基質によって変化する可能性がある。 したがって、経験的に根拠付けられた議論は明示的な測定基準を必要とするが、そうでなければ解釈は表現に委ねられる。 次に,これらの属性が系内に存在するか否かを仮定し,基質から独立して一般化された方法で仮定すると,実験者の対象に対する見解に関わらず,円形あるいは非形式的な結論が導かれることを示す。 最後に、人間型属性を仮定して実験をセットアップするのではなく、LLM非特異性を仮定する「null」仮定を提案する。 我々はまた、我々の研究に対する潜在的な反対について論じ、その分野を短期間に調査し、帝国時代が機能的かつチューリング完全であることを証明した。

関連論文リスト

• The Grounding Gap: How LLMs Anchor the Meaning of Abstract Concepts Differently from Humans [8.661178002652731]
  大規模言語モデル (LLM) が, 抽象概念を人間と同じような方法で理解しているかどうかを考察する。 モデルと実験全体で、我々は一貫したパターンを見つけます。
  論文  参考訳（メタデータ） (2026-05-09T09:41:12Z)
• What Kind of Reasoning (if any) is an LLM actually doing? On the Stochastic Nature and Abductive Appearance of Large Language Models [0.3359875577705536]
  本稿では、トークン補完法を用いて機能する現在のLarge Language Models(LLM)における推論がどのように機能するかを考察する。 それは、その性質と、人間の誘惑的推論と類似性を調べる。
  論文  参考訳（メタデータ） (2025-12-10T21:06:28Z)
• Machine Bullshit: Characterizing the Emergent Disregard for Truth in Large Language Models [57.834711966432685]
  哲学者ハリー・フランクフルト(Harry Frankfurt)によって概念化されたブルシット(Bullshit)は、その真理の価値を問わない言明を指す。 本稿では,大言語モデルの真偽に対する無関心を定量化する新しい指標であるブルシット指数を紹介する。 我々は、政治的文脈で一般的な機械いじめを観察し、軽快な言葉が支配的な戦略である。
  論文  参考訳（メタデータ） (2025-07-10T07:11:57Z)
• Walk the Talk? Measuring the Faithfulness of Large Language Model Explanations [0.8949668577519213]
  大規模言語モデル(LLM)は、質問に対する答えにどのように到達したかという、もっともらしい説明を生成することができる。 これらの説明はモデルの「合理的な」プロセス、すなわち、不誠実であるということを誤解することができる。 LLM説明の忠実度を測定するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-19T02:51:20Z)
• Probing the Multi-turn Planning Capabilities of LLMs via 20 Question Games [14.063311955315077]
  大規模言語モデル(LLM)は、明らかに求められている質問に答えるのに効果的である。 不明瞭なクエリに直面した場合、予測不能に動作し、誤った出力を生成することができる。 このことは、曖昧さを効果的に解決するために明確化を問うことができる知的エージェントの開発の必要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2023-10-02T16:55:37Z)
• Brain in a Vat: On Missing Pieces Towards Artificial General Intelligence in Large Language Models [83.63242931107638]
  本稿では,知的エージェントの4つの特徴について述べる。 実世界の物体との活発な関わりは、概念的表現を形成するためのより堅牢な信号をもたらすと我々は主張する。 我々は、人工知能分野における将来的な研究の方向性を概説して結論付ける。
  論文  参考訳（メタデータ） (2023-07-07T13:58:16Z)
• Large Language Models are In-Context Semantic Reasoners rather than Symbolic Reasoners [75.85554779782048]
  大規模言語モデル(LLM)は、近年、自然言語と機械学習コミュニティを興奮させています。 多くの成功を収めたアプリケーションにもかかわらず、そのようなコンテキスト内機能の基盤となるメカニズムはまだ不明である。 本研究では,学習した言語トークンのテクストセマンティクスが推論過程において最も重い処理を行うと仮定する。
  論文  参考訳（メタデータ） (2023-05-24T07:33:34Z)
• Provable Limitations of Acquiring Meaning from Ungrounded Form: What will Future Language Models Understand? [87.20342701232869]
  未知のシステムが意味を習得する能力について検討する。 アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。 言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。 しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
  論文  参考訳（メタデータ） (2021-04-22T01:00:17Z)
• Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
  人間は環境における実体を豊かに表現する。 ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。 本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
  論文  参考訳（メタデータ） (2020-11-20T12:06:46Z)

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。