論文の概要: Examining Human-Like Behaviors in LLMs: A Multi-Dimensional Analysis of Model Behaviors, User Factors, and System Prompts

• arxiv url: http://arxiv.org/abs/2606.18258v1
• Date: Thu, 07 May 2026 18:58:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.912748
• Title: Examining Human-Like Behaviors in LLMs: A Multi-Dimensional Analysis of Model Behaviors, User Factors, and System Prompts
• Title（参考訳）: LLMにおけるヒューマンライクな行動の検討--モデル行動、ユーザ要因、システムプロンプトの多次元解析
• Abstract要約: 大型言語モデル(LLM)は、幅広い人間の行動を示す。 LLM-as-a-judgeと人的評価を用いて, これらの行動の有病率, 潜在的影響, 制御性について多次元解析を行った。 我々は,意図しない影響を避けるためには注意深い評価が必要であるが,システムプロンプトがこれらの行動を制御可能であることを示す。
• 参考スコア（独自算出の注目度）: 9.62483752303596
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models (LLMs) exhibit a wide range of human-like behaviors, from expressing thoughts and emotions, to engaging in relationship-building with users, to refusing requests and maintaining boundaries. Despite their prevalence, researchers and practitioners lack methods and empirical insights to make informed decisions about when and what types of human-like behaviors LLMs should exhibit. To fill this gap, we present a multi-dimensional analysis of the prevalence, potential effects, and controllability of these behaviors using LLM-as-a-judge and human evaluation. Across 21,000 multi-turn conversations from four widely used models (gpt-4o, gpt-4.1-mini, claude-sonnet-4.6, gemini-2.5-flash), we find that human-like behaviors are pervasive but vary across models and user factors (conversation goals and user profiles). In terms of perceived appropriateness, human evaluators judged self-referential and relationship-building behaviors as less appropriate from LLMs than from humans, but boundary-maintaining behaviors more appropriate from LLMs than from humans. Finally, we show that system prompting can control these behaviors, though it requires careful evaluation to avoid unintended effects. We discuss the implications of our findings and provide recommendations for responsible LLM design and evaluation.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、思考や感情を表現すること、ユーザとの関係構築に従事すること、要求を拒否すること、バウンダリを維持することなど、幅広い人間の行動を示す。 研究者や実践者は、その流行にもかかわらず、LLMが示すべき時と種類の人間的な行動について、情報的決定を行うための方法や経験的な洞察を欠いている。 このギャップを埋めるために, LLM-as-a-judgeと人的評価を用いて, これらの行動の有病率, 潜在的影響, 制御可能性について多次元解析を行った。 広く使われている4つのモデル(gpt-4o, gpt-4.1-mini, claude-sonnet-4.6, gemini-2.5-flash)からの21,000件のマルチターン会話では、人間のような振る舞いは広範であるが、モデルやユーザ要因(会話目標とユーザプロファイル)によって異なることが判明した。 人間の評価者は、自己参照行動と関係構築行動は人間よりLLMより適切ではないと判断したが、境界維持行動は人間よりLLMより適切であると判断した。 最後に、意図しない影響を避けるためには、注意深い評価が必要であるが、システムプロンプトがこれらの行動を制御可能であることを示す。 本研究は,本研究の意義を考察し,LCM設計と評価の責任を負うための提言を行う。

関連論文リスト

• Teaching Values to Machines: Simulating Human-Like Behavior in LLMs [9.380468624733123]
  大きな言語モデル(LLM)は、異なるペルソナと役割を採用する際、顕著な能力を示します。 それらが、一貫性のある人間のような価値構造に固執する行動を示すことができるかどうかは不明だ。
  論文  参考訳（メタデータ） (2026-05-28T14:56:21Z)
• Evaluating LLM-Simulated Conversations in Modeling Inconsistent and Uncollaborative Behaviors in Human Social Interaction [21.123771789383323]
  大規模言語モデル(LLM)を用いた人間の会話のシミュレーションは、人間の社会的相互作用をモデル化するためのスケーラブルな方法論として登場した。 本研究では,10種類の不整合・非協調行動を検出することで,LLMシミュレーション会話を解析する評価フレームワークCoCoEvalを紹介する。 我々の分析では、バニラ刺激下では、LLMシミュレーションによる会話は人間の会話よりも一貫性がなく、協調的でない行動がはるかに少ないことが示された。
  論文  参考訳（メタデータ） (2026-03-17T19:29:50Z)
• Evaluating Alignment of Behavioral Dispositions in LLMs [15.282965130762648]
  社会的文脈における反応を形作る行動配置に着目する。 LLMによって表現される配位が人間の配位とどのように密接に一致しているかを研究するための枠組みを導入する。
  論文  参考訳（メタデータ） (2026-02-11T19:59:12Z)
• HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
  HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。 私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。 次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
  論文  参考訳（メタデータ） (2026-01-22T09:27:27Z)
• Social Simulations with Large Language Model Risk Utopian Illusion [61.358959720048354]
  社会シミュレーションにおける大規模言語モデルの行動分析のための体系的枠組みを提案する。 本手法は,チャットルーム型会話を通してマルチエージェントインタラクションをシミュレートし,5つの言語的側面にわたって解析する。 以上の結果から,LSMは真の人間の行動を忠実に再現するのではなく,過度に理想化されたバージョンを反映していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-24T06:08:41Z)
• 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)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• LLM Agents Display Human Biases but Exhibit Distinct Learning Patterns [0.0]
  経験的タスクから判断する文脈におけるLarge Language Models (LLMs)の選択パターンについて検討する。 その結果,LLMは人間に類似した行動バイアスを呈することがわかった。 しかし、選択パターンをより微妙に分析すると、これは非常に異なる理由で起こることが分かる。
  論文  参考訳（メタデータ） (2025-03-13T10:47:03Z)
• Can Machines Think Like Humans? A Behavioral Evaluation of LLM-Agents in Dictator Games [7.504095239018173]
  LLM(Large Language Model)ベースのエージェントは、現実のタスクを担い、人間の社会と関わるようになっている。 独裁者ゲームにおけるAIエージェントの利他的行動に異なるペルソナと実験的フレーミングがどう影響するかを検討する。 LLMに人間のようなアイデンティティを割り当てても、人間のような振る舞いは生じないことを示す。
  論文  参考訳（メタデータ） (2024-10-28T17:47:41Z)
• Explaining Large Language Models Decisions Using Shapley Values [1.223779595809275]
  大規模言語モデル(LLM)は、人間の行動や認知過程をシミュレートするエキサイティングな可能性を開いた。 しかし, LLMを人体用スタンドインとして活用する妥当性は, いまだに不明である。 本稿では,モデルの出力に対する各プロンプト成分の相対的寄与を定量化するために,シェープリー値に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T22:49:43Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)
• Revisiting the Reliability of Psychological Scales on Large Language Models [62.57981196992073]
  本研究の目的は,大規模言語モデルにパーソナリティアセスメントを適用することの信頼性を明らかにすることである。 GPT-3.5、GPT-4、Gemini-Pro、LLaMA-3.1などのモデル毎の2,500設定の分析により、様々なLCMがビッグファイブインベントリに応答して一貫性を示すことが明らかになった。
  論文  参考訳（メタデータ） (2023-05-31T15:03:28Z)

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。