論文の概要: Assert, don't describe: Linguistic features that shift LLM reasoning about animal welfare

• arxiv url: http://arxiv.org/abs/2606.26104v3
• Date: Sun, 12 Jul 2026 16:52:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.94183
• Title: Assert, don't describe: Linguistic features that shift LLM reasoning about animal welfare
• Title（参考訳）: 動物福祉に関するLLM推論を変える言語学的特徴
• Abstract要約: それぞれの言語的特徴がLlama-3.2-1Bの嗜好をどう変えるかを測定する。 7つのモデルがより強力な親アニマル・ウェルフェア推論へと移行する。 一人称視点は統計的に有意な影響を及ぼさない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Animal-welfare advocates produce a lot of writing, and increasingly that writing trains the language models that millions of people then ask about animal welfare. Using vocabulary-matched stance-contrast probes on a held-out animal-welfare benchmark, we measure how each of ten linguistic features changes Llama-3.2-1B's preference for pro-animal-welfare reasoning when used as fine-tuning data. Eight of the ten features produce statistically significant shifts. Seven move the model toward stronger pro-animal-welfare reasoning: assertive certainty, explicit moral vocabulary, emotion words, evaluative claims, narrative structure, depicted harm severity, and immediate temporal framing. Two move it the other way: hedged language and concrete sensory description both dilute the pro-animal-welfare stance. First-person perspective has no statistically significant effect. The practical recommendation for anyone writing animal-welfare text that may end up in LLM training corpora: assert a position rather than describe a scene neutrally. The features that shift the model are the ones that make the writer's position explicit; the features that dilute it hold animal-welfare content but withhold stance.
• Abstract（参考訳）: 動物愛好家たちは多くの著作を著し、何百万人もの人々が動物福祉について尋ねる言語モデルを訓練するようになる。 Llama-3.2-1Bの選好を微調整データとして用いた場合, それぞれの言語的特徴がLlama-3.2-1Bの好みにどのように変化するかを測定する。 10つの特徴のうち8つは統計的に重要な変化をもたらす。 7つのモデルは、主張的確実性、明示的な道徳的語彙、感情的言葉、評価的主張、物語構造、調和の重大さの描写、即時フレーミングといった、より強力な親アニマル・ウェルフェア推論へとモデルを動かす。 ヘッジド・ランゲージと具体的感覚記述はどちらもアニマル・ウェルフェアのスタンスを薄めている。 一人称視点は統計的に有意な影響を及ぼさない。 LLMトレーニングコーパス(英語版)で終わるかもしれない動物小辞典のテキストを書く人のために、実用的な推奨は、シーンを中立的に記述するのではなく、ポジションを主張することである。 モデルを変える特徴は、著者の立場を明確にするものである。

関連論文リスト

• Voice Under Revision: Large Language Models and the Normalization of Personal Narrative [0.0]
  本研究では,大規模言語モデルの書き直しが個人の物語のスタイルや物語のテクスチャをどう変えるかを検討する。 3つの条件の下で、3つのフロンティア LLM によって書き直された300の個人的な物語を分析します。 以上の結果から, 現代のLLMは, より洗練され, 位置が低いレジスタへ方向を向かわせることが示唆された。
  論文  参考訳（メタデータ） (2026-04-24T01:15:09Z)
• Speciesism in AI: Evaluating Discrimination Against Animals in Large Language Models [0.0]
  大型言語モデル (LLM) が種主義的バイアスを示すか否かを検討する。 LLMは確実に種族主義的発言を検知したが、ほとんど非難しなかった。 我々は、AI公正性とアライメントフレームワークを人間以外の道徳的患者を明示的に含めるように拡張することが不可欠であると主張している。
  論文  参考訳（メタデータ） (2025-08-15T15:22:00Z)
• Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue [71.15186328127409]
  パラリンGPT(Paralin GPT) モデルは、シリアライズされたマルチタスクフレームワーク内の入力プロンプトとして、テキスト、音声埋め込み、およびパラ言語属性の会話コンテキストを取る。 音声対話データセットとして,感情ラベルをパラ言語属性として含むSwitchboard-1コーパスを利用する。
  論文  参考訳（メタデータ） (2023-12-23T18:14:56Z)
• Not wacky vs. definitely wacky: A study of scalar adverbs in pretrained language models [0.0]
  BERT、RoBERTa、GPT-3といった現代の事前訓練された言語モデルは、古典的な静的単語の埋め込みよりも論理的なタスクでより良いパフォーマンスを期待している。 本稿では,BERT,RoBERTa,GPT-2,GPT-3が,これらの共通語に対する一般人的な知識を示す範囲について検討する。 論理的な意味のいくつかの側面を捉えているにもかかわらず、モデルは人間のパフォーマンスにかなり劣っていることが分かりました。
  論文  参考訳（メタデータ） (2023-05-25T18:56:26Z)
• AI, write an essay for me: A large-scale comparison of human-written versus ChatGPT-generated essays [66.36541161082856]
  ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。 本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
  論文  参考訳（メタデータ） (2023-04-24T12:58:28Z)
• Do large language models resemble humans in language use? [1.8524806794216748]
  ChatGPTやVicunaのような大規模言語モデル(LLM)は、言語を解釈し、生成する際、顕著な能力を示している。 私たちはChatGPTとVicunaを、音から対話、事前登録、実験1回につき1000ラン(イテレーション)の12の実験に応用した。 ChatGPTとVicunaは、それぞれ12の実験のうち10と7で人間の言語使用パターンを再現した。
  論文  参考訳（メタデータ） (2023-03-10T10:47:59Z)
• Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
  合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。 自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
  論文  参考訳（メタデータ） (2022-10-14T02:35:19Z)
• CLAMP: Prompt-based Contrastive Learning for Connecting Language and Animal Pose [70.59906971581192]
  本稿では,言語とAniMal Poseを効果的に接続するための,新しいプロンプトベースのコントラスト学習手法を提案する。 CLAMPは、ネットワークトレーニング中にテキストプロンプトを動物のキーポイントに適応させることでギャップを埋めようとしている。 実験結果から, 教師付き, 少数ショット, ゼロショット設定下での最先端性能が得られた。
  論文  参考訳（メタデータ） (2022-06-23T14:51:42Z)
• What Drives the Use of Metaphorical Language? Negative Insights from Abstractness, Affect, Discourse Coherence and Contextualized Word Representations [13.622570558506265]
  特定の談話が与えられたら、どの談話特性が、リテラルな代替語ではなく、比喩的な言語の使用を引き起こすのか? 比喩的言語に対する多くのNLPアプローチは、認知的および(心理学的)言語学的洞察に依存し、談話の一貫性、抽象性、影響のモデルの定義に成功している。 本研究では,メタファー対同義語表現の文脈での活用を予測するために,確立された認知的・言語的特性に依存した5つの単純なモデルを構築した。
  論文  参考訳（メタデータ） (2022-05-23T08:08:53Z)
• It's not Rocket Science : Interpreting Figurative Language in Narratives [48.84507467131819]
  我々は2つの非構成的図形言語(イディオムとシミュラ)の解釈を研究する。 実験の結果、事前学習された言語モデルのみに基づくモデルは、これらのタスクにおいて人間よりもはるかにひどい性能を示すことがわかった。 また, 知識強化モデルを提案し, 具体的言語を解釈するための人的戦略を採用した。
  論文  参考訳（メタデータ） (2021-08-31T21:46:35Z)
• AP-10K: A Benchmark for Animal Pose Estimation in the Wild [83.17759850662826]
  一般的な動物のポーズ推定のための,最初の大規模ベンチマークであるAP-10Kを提案する。 AP-10Kは動物23種と60種から収集・濾過された10,015枚からなる。 その結果、様々な動物種からの学習の精度と一般化能力の両面での優位性に関する実験的な証拠が得られた。
  論文  参考訳（メタデータ） (2021-08-28T10:23:34Z)

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。