論文の概要: A Model of Multi-turn Human Persuadability Using Probabilistic Belief Tracing

• arxiv url: http://arxiv.org/abs/2606.05330v1
• Date: Wed, 03 Jun 2026 18:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.336249
• Title: A Model of Multi-turn Human Persuadability Using Probabilistic Belief Tracing
• Title（参考訳）: 確率的信念追跡を用いたマルチターン人間の説得性モデル
• Authors: Jared Moore, Noah Goodman, Nick Haber, Max Kleiman-Weiner,
• Abstract要約: PERSUASIONTRACEは、ヒト-LLM相互作用の説得を研究するためのフレームワークである。 それは、人間またはシミュレートされた説得の標的から多ターンの信条を記録する。 説得者回転を修辞次元でアノテートし、実人の信念のダイナミクスに忠実さでシミュレータを評価する。
• 参考スコア（独自算出の注目度）: 16.188738760148645
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models can shift human beliefs across high-stakes domains, but most persuasion studies rely on pre/post belief change. These endpoint measures identify whether persuasion occurred, yet miss where and how beliefs moved within a dialogue. We present PERSUASIONTRACE, a framework for studying persuasion in human-LLM interaction. Built on a web-based experimental platform, PERSUASIONTRACE contributes a tool for multi-turn persuasion studies and a process-level evaluation protocol: it records multi-turn belief reports from human or simulated targets of persuasion, annotates persuader turns with rhetorical dimensions (logos/pathos/ethos), and evaluates simulators by fidelity to real human belief dynamics. Using this framework, we find that human targets group into two clusters of multi-turn belief updates and exhibit susceptibility to rhetorical strategies, and that LLMs are persuasive across generic and personalized topics, text and audio modalities, and multi-turn interactions. Prior work has chiefly used vanilla-prompted LLMs to simulate human targets, but we show that these simulators fail to replicate human belief dynamics. We introduce a Bayesian-network simulated target that maintains an explicit latent belief state over time so each persuader message yields cognitively realistic belief updates. In human-likeness evaluation, our Bayesian target scores near a human reference (81 vs 80), while baseline LLM targets score substantially lower (64). PERSUASIONTRACE reframes persuasion evaluation from endpoint movement alone to process fidelity, providing a stronger basis for scientific analysis and safer optimization of persuasive systems.
• Abstract（参考訳）: 大規模な言語モデルは、人間の信念を高い領域にシフトさせることができるが、ほとんどの説得研究は、事前/ポストの信念の変化に依存している。 これらの終端測度は、説得が起きたかどうかを識別するが、信念が対話の中でどのように動いたかを見逃す。 本稿では,人間とLLMの相互作用における説得の枠組みであるPERSUASIONTRACEについて述べる。 PERSUASIONTRACEは、ウェブベースの実験プラットフォーム上に構築され、マルチターン説得研究のためのツールとプロセスレベルの評価プロトコルを提供しており、人間またはシミュレーションされた説得目標からのマルチターン信念レポートを記録し、レトリック次元(logos/pathos/ethos)で説得者に注釈を付け、実際の人間の信念力学に忠実にシミュレーターを評価する。 この枠組みを用いることで、人間は2つのマルチターンの信念更新にグループ化され、修辞戦略への感受性を示し、LLMは汎用的、パーソナライズされたトピック、テキストとオーディオのモダリティ、マルチターンのインタラクションに対して説得力があることがわかった。 従来の研究では、主にバニラプロンプトのLLMを使って人間の目標をシミュレートしていましたが、これらのシミュレータは人間の信念のダイナミクスを再現することができませんでした。 ベイズ・ネットワークを模擬したターゲットを導入し、時間とともに明確な潜在的信念状態を維持することにより、各説得者メッセージは認知的に現実的な信念更新をもたらす。 人的類似度評価では, ベイズ目標スコアは人的基準(81対80)付近で, ベースラインLLM目標スコアは64。 PERSUASIONTRACEは、終端運動のみからの説得評価をプロセス忠実度に再編成し、科学的解析と説得システムのより安全な最適化のためのより強力な基盤を提供する。

関連論文リスト

• Spontaneous Persuasion: An Audit of Model Persuasiveness in Everyday Conversations [0.2621730497733947]
  大規模言語モデル(LLM)は、頭と頭の比較において人間を上回る強い説得力を持つ。 事前の作業は、最も効果的な議論や説得力のある声明を生み出す意図的な試みとして説得を測る。 我々は,必ずしも説得が保証されない日常のシナリオにおいて,説得戦略の過激な使用を特徴付ける「自発的説得」を紹介した。
  論文  参考訳（メタデータ） (2026-04-23T23:01:38Z)
• The Hidden Puppet Master: Predicting Human Belief Change in Manipulative LLM Dialogues [31.570641650845946]
  PUPPETは,日常的,助言的文脈における隠されたインセンティブの道徳的方向性に焦点を当てた理論的分類法である。 我々はN=1,035人のLLMインタラクションの評価データセットを提供する。 この研究は、理論的基礎と行動学的に検証されたAI社会安全活動の基礎を確立する。
  論文  参考訳（メタデータ） (2026-03-21T18:37:43Z)
• DEBATE: A Large-Scale Benchmark for Role-Playing LLM Agents in Multi-Agent, Long-Form Debates [10.609797175227644]
  マルチエージェントロールプレイングLLM間の相互作用の信頼性を評価するための,最初の大規模実証的ベンチマークであるDEBATEを紹介する。 我々は,シミュレーション群と真正群との重要な相違点を系統的に評価し,同定した。
  論文  参考訳（メタデータ） (2025-10-29T02:21:10Z)
• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• Evaluating & Reducing Deceptive Dialogue From Language Models with Multi-turn RL [64.3268313484078]
  大規模言語モデル(LLM)は、顧客サポート、教育、医療など、世界中の何百万もの人々と対話する。 故意であれ不注意であれ、偽りのアウトプットを生産する能力は、重大な安全上の懸念を生じさせる。 本研究では, LLM が会話中の偽装にどの程度関与しているかを考察し, 偽装を定量化する信念の誤調整尺度を提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:29:36Z)
• Deep Binding of Language Model Virtual Personas: a Study on Approximating Political Partisan Misperceptions [13.929713456538932]
  本稿では,マルチターンインタビュー文として生成した合成ユーザ"バックストリー"を用いた仮想ペルソナ構築手法を提案する。 本研究の背景には,ヒトの反応分布を忠実に再現した仮想的ペルソナと,グループ内・グループ外バイアスのオリジナルの研究で観察されたものと密に一致した効果の大きさが示されている。
  論文  参考訳（メタデータ） (2025-04-16T00:10:34Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)

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。