論文の概要: "I understand your perspective": LLM Persuasion and Sycophancy through the Lens of Communicative Action Theory

• arxiv url: http://arxiv.org/abs/2606.08076v1
• Date: Sat, 06 Jun 2026 09:54:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.761256
• Title: "I understand your perspective": LLM Persuasion and Sycophancy through the Lens of Communicative Action Theory
• Title（参考訳）: 「あなたの見解は理解している」--コミュニケーション行動論のレンズを通してのLLM説得とシコファンシー
• Authors: Esra Dönmez, Agnieszka Falenska,
• Abstract要約: LLM(Large Language Models)は、高品質な議論を生成できるが、ニュアンスと説得力のあるコミュニケーション行動に関与する能力はほとんど探索されていない。 この研究は、Jrgen HabermasのCommunicative Action理論の枠組みを通して、LLMの説得可能性を探究する。
• 参考スコア（独自算出の注目度）: 6.227886907896225
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large Language Models (LLMs) can generate high-quality arguments, yet their ability to engage in nuanced and persuasive communicative actions remains largely unexplored. This work explores the persuasive potential of LLMs through the framework of Jürgen Habermas' Theory of Communicative Action. It examines whether LLMs express illocutionary intent (i.e., pragmatic functions of language such as conveying knowledge, building trust, or signaling similarity) in ways that are comparable to human communication. We simulate online discussions between opinion holders and LLMs using conversations from the persuasive subreddit ChangeMyView. We then compare the likelihood of illocutionary intents in human-written and LLM-generated counter-arguments, specifically those that successfully changed the original poster's view. We find that all three LLMs effectively convey illocutionary intent -- often more so than humans -- potentially increasing their anthropomorphism. Further, LLMs craft sycophantic responses that closely align with the opinion holder's intent, a strategy strongly associated with opinion change. Finally, crowd-sourced workers find LLM-generated counter-arguments more agreeable and consistently prefer them over human-written ones. These findings suggest that LLMs' persuasive power extends beyond merely generating high-quality arguments. On the contrary, training LLMs with human preferences effectively tunes them to mirror human communication patterns, particularly nuanced communicative actions, potentially increasing individuals' susceptibility to their influence.
• Abstract（参考訳）: LLM(Large Language Models)は、高品質な議論を生成できるが、ニュアンスと説得力のあるコミュニケーション行動に関与する能力はほとんど探索されていない。 本研究はJürgen Habermas のコミュニケーション行動理論の枠組みを通して LLM の説得可能性を探究する。 LLMは、人間のコミュニケーションに匹敵する方法で、故意の意図(すなわち、知識の伝達、信頼の構築、信号の類似性といった言語の実用的機能)を表現しているかどうかを調べる。 提案手法は,世論保持者とLCM間のオンライン議論を,説得力のあるサブレディットであるChangeMyViewの会話を用いてシミュレートする。 次に、人書きやLDM生成の逆論、特にオリジナルのポスターの視点をうまく変えたものにおいて、戯言意図の可能性を比較した。 3つのLSMはいずれも、人間よりも効果的に食欲を伝達し、その人格化を増大させる可能性がある。 さらに、LLMは、意見交換に強く関連する戦略である、意見保持者の意図と密接に一致した幻想的な反応を生み出している。 最後に、クラウドソーシングされた労働者は、LLM生成の逆論の方がより同意しやすく、一貫して人間による論点よりも彼らを好む。 これらの結果から, LLMの説得力は, 単に高品質な議論を生み出す以上のものとなることが示唆された。 逆に、人間の好みでLLMを訓練することは、人間のコミュニケーションパターン、特にニュアンスなコミュニケーション行動の反映を効果的に調整し、個人の影響力に対する感受性を高める可能性がある。

関連論文リスト

• The Thin Line Between Comprehension and Persuasion in LLMs [0.0]
  大規模言語モデル(LLM)は高レベルで説得力のある対話を維持するのに優れている。 私たちは、この能力が話されていることに対する理解にどのように関係しているかを測定します。 LLMは一貫性のある説得力のある議論を維持でき、しばしば参加者や聴衆の信念を揺さぶる。
  論文  参考訳（メタデータ） (2025-07-02T17:46:56Z)
• Arbiters of Ambivalence: Challenges of Using LLMs in No-Consensus Tasks [52.098988739649705]
  本研究では, LLMのバイアスと限界について, 応答生成器, 判定器, 討論器の3つの役割について検討した。 我々は、様々な先行的曖昧なシナリオを含む例をキュレートすることで、合意なしのベンチマークを開発する。 以上の結果から, LLMは, オープンエンドの回答を生成する際に, 曖昧な評価を行うことができる一方で, 審査員や討論者として採用する場合は, 合意なしのトピックにスタンスを取る傾向が示唆された。
  論文  参考訳（メタデータ） (2025-05-28T01:31:54Z)
• Large Language Models are as persuasive as humans, but how? About the cognitive effort and moral-emotional language of LLM arguments [0.0]
  大型言語モデル(LLM)はすでに人間と同じくらい説得力がある。 本稿では, LLMの説得戦略について, 人為的議論と比較し検討する。
  論文  参考訳（メタデータ） (2024-04-14T19:01:20Z)
• Boosting Large Language Model for Speech Synthesis: An Empirical Study [86.89548753080432]
  大規模言語モデル(LLM)は自然言語処理において大きな進歩を遂げており、言語能力は音声や視覚など他のモダリティにも拡張されている。 我々は,事前学習したLLM LLaMA/OPTと音声合成モデルVALL-Eを組み合わせることで,LLMの強化と音声生成能力の総合的な実証調査を行う。 テキストエンコーダとしてLLMとVALL-Eを組み合わせることで,LLMとVALL-Eの3つの統合手法を比較した。
  論文  参考訳（メタデータ） (2023-12-30T14:20:04Z)
• How should the advent of large language models affect the practice of science? [51.62881233954798]
  大規模言語モデルの出現は科学の実践にどのように影響を与えるべきか? 我々は4つの科学者グループを招待し、この質問を反映し、彼らの見解を共有し、議論をおこなった。
  論文  参考訳（メタデータ） (2023-12-05T10:45:12Z)
• 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)
• Large Language Models: The Need for Nuance in Current Debates and a Pragmatic Perspective on Understanding [1.3654846342364308]
  LLM(Large Language Models)は、文法的に正しい、流動的なテキストを生成する能力において、非並列である。 本論文は,LLM能力の批判において再発する3点を批判的に評価する。 LLMにおける現実の理解と意図の問題に関する実践的な視点を概説する。
  論文  参考訳（メタデータ） (2023-10-30T15:51:04Z)
• Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
  この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。 自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。 このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-10-10T03:06:38Z)

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。