論文の概要: If These Walls Could Talk: Critical Play with Large Language Models in Museums

• arxiv url: http://arxiv.org/abs/2606.15565v1
• Date: Sun, 14 Jun 2026 03:00:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.694184
• Title: If These Walls Could Talk: Critical Play with Large Language Models in Museums
• Title（参考訳）: 美術館の大型言語モデルで見る「壁」
• Abstract要約: 大型言語モデル(LLM)は、過去の人や工芸品をシミュレートしたバージョンと対話できるチャットボットとして、博物館での利用が増えている。 LLMが真実を語ることは信用できないし、それらをもっと信頼できるものにしようとする努力は、そもそもボットにとって魅力的なものを台無しにするかもしれない。 LLMベースのボットによるクリティカルプレイの設計について提案する: 信頼できないが、それでも十分かつ魅力的な方法で過去を表現できるボットとの遊び心のあるインタラクションのための設計。
• 参考スコア（独自算出の注目度）: 3.229569461730748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) are increasingly being used in museums to as role playing chatbots which let visitors talk to simulated versions of people and artefacts from the past. While such installations can be playful and engaging, they are also problematic because LLMs cannot be trusted to speak truthfully. I identify a fundamental dilemma for the use of LLMs in museum chatbots: LLMs cannot be trusted to tell the truth, and efforts to make them more reliable may ruin that which is attractive about the bots in the first place - their ability to engage in life-like conversation. In response, I propose designing for critical play with LLM-based bots: Designing for playful interactions with bots that are unreliable but still able to represent the past in an adequate and engaging manner - as fictional characters representing historical narratives, styles of discourse, diverse perspectives, humor and satire.
• Abstract（参考訳）: 大型言語モデル(LLM)は、過去の人や工芸品をシミュレートしたバージョンと対話できるチャットボットとして、博物館での利用が増えている。 このようなインストールは遊び心とエンゲージメントがあるが、LSMが真実を話すことは信用できないため、問題でもある。 博物館のチャットボットでLLMを使用するための基本的なジレンマを特定します: LLMが真実を話すことは信頼できないし、それらをより信頼できるものにするための努力は、そもそもボットにとって魅力的なもの、すなわちライフライクな会話を行う能力を破壊するかもしれません。 そこで,本研究では,LLMをベースとしたロボットによる批判的な遊びのデザインを提案する。 信頼できないが,それでも適切な方法で過去を表現することができるボットとの遊び心のあるインタラクションを,歴史物語,談話のスタイル,多様な視点,ユーモア,風刺を表現した架空のキャラクターとして設計する。

関連論文リスト

• The Collective Turing Test: Large Language Models Can Generate Realistic Multi-User Discussions [0.4605116997238364]
  大規模言語モデル(LLM)は、オンラインコミュニティやソーシャルメディアをシミュレートするための新しい道を提供する。 LLMがソーシャルメディア上でのヒューマングループ会話を効果的に模倣できるかどうかを評価した。
  論文  参考訳（メタデータ） (2025-10-29T17:01:20Z)
• Collaborative Storytelling and LLM: A Linguistic Analysis of Automatically-Generated Role-Playing Game Sessions [55.2480439325792]
  RPG(ロールプレイングゲーム)とは、プレイヤーが互いに対話して物語を作るゲームである。 この共有物語の新たな形態は、主に口頭で注目されている。 本稿では,大言語モデル(LLM)の言語がRPGセッションの生成を依頼した場合に,どの程度に口頭や書面の機能を示すかを明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2025-03-26T15:10:47Z)
• Reliable Conversational Agents under ASP Control that Understand Natural Language [0.17094064195431144]
  大きな言語モデル(LLM)は、機械との人間的な会話を可能にする。 この問題を解消する最善の方法は、文章を知識に翻訳するためにのみLLMを使用することである、と私たちは信じています。 LLMとASPをベースにしたフレームワークを開発しており、人間の会話を"理解"する信頼できるチャットボットを実現しています。
  論文  参考訳（メタデータ） (2025-02-13T11:54:28Z)
• IssueBench: Millions of Realistic Prompts for Measuring Issue Bias in LLM Writing Assistance [49.605835017477034]
  IssueBenchは2.49mの現実的な英語のプロンプトで、大きな言語モデルにおける問題バイアスを測定する。 IssueBench を用いて、10 の最先端 LLM において問題バイアスが一般的で永続的であることを示す。
  論文  参考訳（メタデータ） (2025-02-12T13:37:03Z)
• A Reliable Common-Sense Reasoning Socialbot Built Using LLMs and Goal-Directed ASP [3.17686396799427]
  自然言語を述語に翻訳するためにLLMモデルを用いたソーシャルボットであるAutoCompanionを提案する。 本稿では, LLM を用いてユーザメッセージを解析し, s(CASP) エンジン出力から応答を生成する手法について述べる。
  論文  参考訳（メタデータ） (2024-07-26T04:13:43Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• Hidden in Plain Sight: Exploring Chat History Tampering in Interactive Language Models [12.920884182101142]
  大規模言語モデル(LLM)は、実世界のアプリケーションで普及し、素晴らしいテキスト生成性能を示している。 LLMベースのチャットシステムは、対話的に振る舞うためには、事前に定義された構造に従って、事前のチャット履歴を入力のコンテキストとして統合する必要がある。 本稿では,目標モデルの事前知識を必要とせずに,LLM会話にユーザ提供履歴を注入するための体系的手法を提案する。
  論文  参考訳（メタデータ） (2024-05-30T16:36:47Z)
• 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)
• In-Context Impersonation Reveals Large Language Models' Strengths and Biases [56.61129643802483]
  我々は、視覚と言語タスクを解く前に、LLMに異なるペルソナを仮定するよう依頼する。 異なる年齢の子どものふりをしたLSMが、ヒトのような発達段階を回復することがわかった。 言語に基づく推論タスクでは、ドメインエキスパートを装うLLMが、ドメイン専門家を装うLLMよりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-05-24T09:13:15Z)

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。