論文の概要: When AI Says "I have been in similar situations": Synthetic Lived Experience in Peer-Like Caregiver Support

• arxiv url: http://arxiv.org/abs/2606.18057v2
• Date: Sun, 21 Jun 2026 18:12:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 16:10:14.621565
• Title: When AI Says "I have been in similar situations": Synthetic Lived Experience in Peer-Like Caregiver Support
• Title（参考訳）: AIが"私が同じような状況にあった"と言うとき: ピアライクな介護支援における合成生活体験
• Authors: Drishti Goel, Agam Goyal, Veda Duddu, Olivia Pal, Violeta J. Rodriguez, Daniel S. Brown, Ravi Karkar, Dong Whi Yoo, Koustuv Saha,
• Abstract要約: ピアライクなAIは、ピアサポートを有意義にする実体験を伴わずに、人工的な生きた体験を生成できることを示す。 我々は、介護者支援型AIシステムには、支援的なピアライクなフレーミングと、製造された生きた経験を区別するメカニズムが必要であると論じる。
• 参考スコア（独自算出の注目度）: 15.958172648920609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Caregivers often turn to online communities for informational and emotional support. In these spaces, peer supporters frequently draw on personal narratives to respond to emotionally complex caregiving situations. As LLMs are increasingly designed as peer-like sources of support, they introduce a critical tension: AI can provide immediate, private, and nonjudgmental support, but it cannot authentically possess the lived experiences that make human peer support meaningful. Yet, when prompted to sound peer-like, LLMs may generate language that implies lived experience. This creates a synthetic lived experience paradox: the same experiential language that may make AI support feel warm, relatable, and peer-like can also falsely position the system as someone with lived experience. We examine this paradox in the context of family caregivers of people living with Alzheimer's Disease and Related Dementias (ADRD). Drawing on caregiver support exchanges from online communities and prompted peer-like responses from three LLMs -- LLaMA, GPT-4o-mini, and MedGemma -- we analyze how human peers use personal narratives and how AI incorporates similar narrative forms. Psycholinguistic analysis shows that peer responses used significantly more first-person and past-focused language than peer-like AI responses. Qualitatively, we identify seven types of personal narratives in human peer support and show that AI often captures their emotional work, but can fabricate experiential grounding. These findings reveal a narrative authenticity gap: peer-like AI can generate synthetic lived experience without the real experience that makes peer support meaningful. We argue that caregiver-support AI systems need mechanisms to distinguish supportive peer-like framing from fabricated lived experience, ensuring that models can offer warmth and validation without falsely positioning themselves as experiential peers.
• Abstract（参考訳）: 介護者は、しばしば情報や感情的な支援のためにオンラインコミュニティに目を向ける。 これらの空間において、ピアサポーターは感情的に複雑な介護状況に対応するために、しばしば個人的な物語を描いている。 LLMはピアライクなサポート源としてますます設計されているため、彼らは批判的な緊張を巻き起こしている。AIは即時、プライベート、および非判断的なサポートを提供することができるが、人間のピアサポートを有意義にする生きた経験を真に保持することはできない。 しかし、ピアライクな音を出すと、LLMは生きた経験を意味する言語を生成する。 AIサポートを暖かく、相対性があり、ピアライクな感じにさせるのと同じ経験言語は、システムを生きた経験を持つ人として誤って位置づけることもできます。 アルツハイマー病および関連認知症(ADRD)に罹患する者の家族介護者の文脈で,このパラドックスを考察した。 LLaMA、GPT-4o-mini、MedGemmaの3つのLCMから、介護者支援交換をオンラインコミュニティから引き合いに出し、ピアライクな反応を呼び起こした。 心理言語学的分析によると、ピア応答はピアライクなAI応答よりも、個人的、過去の言語をはるかに利用していた。 質的に言えば、人間のピアサポートにおける7種類の個人的物語を特定し、AIがしばしば彼らの感情的な仕事をとらえるが、経験的な基盤を作ることができることを示す。 ピアライクなAIは、ピアサポートを意味のあるものにする実際の経験なしに、合成された生きた体験を生成できる。 我々は、介護者支援型AIシステムは、支援的なピアライクなフレーミングと製造された生きた経験を区別するメカニズムを必要としており、モデルが誤って経験的なピアとして位置づけることなく、暖かさとバリデーションを提供できることを保証している。

関連論文リスト

• Frictionless Love: Associations Between AI Companion Roles and Behavioral Addiction [11.06941633213353]
  私たちは7つのRedditコミュニティからの248,830の投稿を分析し、AIコンパニオンとのインタラクションについて説明した。 10の反復的な比喩的役割(例えば、ソウルメイト、哲学者、コーチ)を特定し、それぞれの役割が相互作用の異なる方法をサポートすることを示す。 次に、これらの役割固有の相互作用に関連する認識されたAIの害とAIの利点を抽出し、行動依存の兆候にリンクする。
  論文  参考訳（メタデータ） (2026-04-21T21:39:50Z)
• Practicing with Language Models Cultivates Human Empathic Communication [42.29610813599475]
  共感は人間とのつながりの中心であるが、人々はそれを効果的に表現するのに苦労する。 盲目評価では、大きな言語モデル(LLM)は、人間が書いたものよりも共感的であるとしばしば判断される応答を生成する。 我々は,共感的コミュニケーションスキルのギャップを探索し,対処するための,実験的な会話プラットフォームを構築した。
  論文  参考訳（メタデータ） (2026-03-16T13:16:06Z)
• Reflecting Twice before Speaking with Empathy: Self-Reflective Alternating Inference for Empathy-Aware End-to-End Spoken Dialogue [53.95386201009769]
  音声対話における共感的品質を評価するための記述型自然言語ベース評価モデルであるEmpathyEvalを紹介する。 本稿では,共感的自己反射的交替推論機構を通じて共感的対話を強化する,エンドツーエンドの音声言語モデルであるReEmpathyを提案する。
  論文  参考訳（メタデータ） (2026-01-26T09:04:50Z)
• Generative Confidants: How do People Experience Trust in Emotional Support from Generative AI? [4.442753300582291]
  人々は感情的なサポートと協力のために、生成的AI(例えば、ChatGPT、Gemini、Copilot)に目を向けている。 信頼は、これらの非公式で教師なしの相互作用を可能にする上で中心的な役割を果たす可能性が高いが、この文脈で人々がそれをどのように発展し、経験するかについての理解はいまだに欠けている。 我々は,対話に関する日記記事,AIとの会話の書き起こし,詳細なインタビューからなる質的研究を行った。 この文脈における信頼の新たな重要な要因は、パーソナライゼーションから生じる親しみ、生成AIのニュアンス化された精神モデル、会話に対する人々のコントロールの認識である。
  論文  参考訳（メタデータ） (2026-01-23T11:19:41Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Linguistic Comparison of AI- and Human-Written Responses to Online Mental Health Queries [17.133059430285627]
  ジェネレーティブAIと大規模言語モデル(LLMs)は、スケーラブルで、時周のメンタルヘルス支援のための新しい可能性を導入した。 本研究ではReddit上の55のオンラインサポートコミュニティから24,114の投稿と138,758のオンラインコミュニティ(OC)の回答を得た。 その結果、AI応答はより冗長で、読みやすく、分析的に構造化されているが、言語的多様性や人間と人間の相互作用に固有の個人の物語は欠如していることが判明した。
  論文  参考訳（メタデータ） (2025-04-12T16:20:02Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic Response Generation [59.8935454665427]
  共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。 共感的対話生成のためのCASEモデルを提案する。
  論文  参考訳（メタデータ） (2022-08-18T14:28:38Z)
• Human-AI Collaboration Enables More Empathic Conversations in Text-based Peer-to-Peer Mental Health Support [10.743204843534512]
  AI-in-the-loopエージェントであるHayleyを開発した。このエージェントは、サポートを提供する参加者(ピアサポーター)が助けを求める参加者(フォスター支援者)に対して共感的に反応するのを助けるために、ジャスト・イン・タイムフィードバックを提供する。 我々の人間とAIのコラボレーションアプローチは、ピア間での会話の共感を19.60%増加させます。 支援の難しさを自認するピアサポーターのサブサンプルでは,38.88%の共感が増大している。
  論文  参考訳（メタデータ） (2022-03-28T23:37:08Z)

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。