論文の概要: Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders
- arxiv url: http://arxiv.org/abs/2607.10235v1
- Date: Sat, 11 Jul 2026 09:48:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.345603
- Title: Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders
- Title（参考訳）: 合意 vs. 反対: グループレコメンダにおける主観的選好の動的LLMモデリング
- Abstract要約: 我々は、人間の調査データにLarge Language Models (LLM)を使用し、レコメンデーションパイプライン内でリアルタイムの判断モデルとして機能します。
我々のパイプラインは、社会的選択に基づくアグリゲーション戦略に基づいて、複数のレコメンデーション候補を生成することに成功した。
LLMの判断は, 公平さ, 満足感, コンセンサスといった人間の認識に最も合致していることが判明した。
- 参考スコア（独自算出の注目度）: 1.6986628849901197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous work in group recommender systems has demonstrated a sensitivity to the distribution of preferences within a group. Specifically, the selection of the preference aggregation strategy benefits from considering such group configurations. In this paper, we study whether LLMs are able to mimic this sensitivity and to select the ideal aggregation strategy (and corresponding recommendation) according to nuanced human perceptions of fairness, satisfaction, and consensus. We do this by fine-tuning Large Language Models (LLMs) on human survey data to serve as real-time judgmental models within the recommendation pipeline. Using a reasoning dataset distilled from DeepSeek-V3.1 and human ground truth assessments, we develop Judgmental Llama and Judgmental OLMo to simulate group assessments. Our pipeline successfully generates multiple recommendation candidates based on social choice-based aggregation strategies and dynamically selects the one that maximizes these predicted human-like evaluations. We further validate these suggestions in a user study (n=284) and find that our methodology achieved the highest scores for satisfaction and group consensus. Furthermore, we find that LLM judgments are most aligned with human perceptions of fairness, satisfaction and consensus when we also consider interaction effects between our LLM-based method and group configuration (e.g., minority or coalition). These findings give further support for dynamically adapting aggregation strategies to specific within-group preference distributions, and highlight the advantage of using LLMs for an adaptation that is aligned with subjective human judgments.
- Abstract（参考訳）: グループレコメンデータシステムにおけるこれまでの研究は、グループ内の好みの分布に敏感であることを示した。
特に、選好集約戦略の選択は、そのようなグループ構成を考慮することの恩恵を受ける。
本稿では,この感度を模倣し,公平さ,満足感,コンセンサスといった人間の知覚に則って理想的なアグリゲーション戦略(およびそれに対応するレコメンデーション)を選択することができるかを検討する。
我々は、人間のサーベイデータに基づいてLLM(Large Language Models)を微調整し、レコメンデーションパイプライン内のリアルタイム判断モデルとして機能させる。
我々は,DeepSeek-V3.1から抽出した推論データセットと人為的真実評価を用いて,グループアセスメントをシミュレートするために,Jedgmental Llama と Judgmental OLMo を開発した。
我々のパイプラインは、社会的選択に基づくアグリゲーション戦略に基づいて複数のレコメンデーション候補を生成し、これらの予測された人間的な評価を最大化する候補を動的に選択する。
さらに,これらの提案をユーザスタディ(n=284)で検証し,満足度とグループコンセンサスが最も高いスコアを得た。
さらに、LLMに基づく手法とグループ構成(例えば、少数派、連立派)の相互作用効果も考慮すれば、LLMの判断は人間の公正さ、満足感、コンセンサスに最も合致していることが分かる。
これらの知見は、特定のグループ内選好分布に動的にアグリゲーション戦略を適応させることをさらに支援し、主観的人間の判断に適合した適応にLLMを使うことの利点を強調した。
関連論文リスト
- How Sampling Shapes LLM Alignment: From One-Shot Optima to Iterative Dynamics [65.67654005892469]
適切なインスタンス依存サンプリングは、より強力なランキング保証を得られる一方で、スキュードオン政治サンプリングは、構造化された嗜好の下で過剰な濃度を誘導できることを示す。
次に、学習したポリシーが将来のサンプリングおよび参照ポリシーにフィードバックする反復的なアライメントダイナミクスを分析する。
我々の理論的な洞察は直接選好最適化にまで拡張され、我々が捉えた現象はより広範な選好アライメント手法に共通していることを示している。
論文 参考訳（メタデータ） (2026-02-12T17:11:08Z) - Tree of Preferences for Diversified Recommendation [54.183647833064136]
データバイアスの観点から、多種多様な推薦について検討する。
本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-12-24T04:13:17Z) - A Systematic Evaluation of Preference Aggregation in Federated RLHF for Pluralistic Alignment of LLMs [2.840505903487544]
本稿では,大規模言語モデル(LLM)を,連合学習環境における多種多様な人間の嗜好と整合させるという課題に対処する。
本研究では,人間の嗜好に異なるアグリゲーション戦略を用いる場合,アライメント品質と公正性のトレードオフを評価する総合評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T16:39:32Z) - What Makes LLMs Effective Sequential Recommenders? A Study on Preference Intensity and Temporal Context [56.590259941275434]
RecPOは、シーケンシャルなレコメンデーションのための優先順位最適化フレームワークである。
これは、推定された嗜好階層と時間信号に基づいて適応的な報酬マージンを利用する。
タイムリーな満足感、コヒーレントな嗜好の維持、変化する状況下での識別の行使など、人間の意思決定の重要な特徴を反映している。
論文 参考訳（メタデータ） (2025-06-02T21:09:29Z) - ComPO: Community Preferences for Language Model Personalization [122.54846260663922]
ComPOは、言語モデルにおける好みの最適化をパーソナライズする手法である。
ComPRedはRedditからコミュニティレベルの好みを持った質問応答データセットです。
論文 参考訳（メタデータ） (2024-10-21T14:02:40Z) - Diverging Preferences: When do Annotators Disagree and do Models Know? [92.24651142187989]
我々は,4つのハイレベルクラスにまたがる10のカテゴリにまたがる相違点の分類法を開発した。
意見の相違の大部分は、標準的な報酬モデリングアプローチに反対している。
本研究は,選好の変化を識別し,評価とトレーニングへの影響を緩和する手法を開発する。
論文 参考訳（メタデータ） (2024-10-18T17:32:22Z) - Pareto-Optimal Learning from Preferences with Hidden Context [17.590330740964266]
本稿では,多元的アライメントを実現するPOPLを提案する。
理論的および実証的な評価は,POPLが報酬関数とポリシーの学習において,基本的手法を超越していることを示している。
また,POPLは,グループフェアネスの特定の概念を最適化する手法の基盤としても機能することを示す。
論文 参考訳（メタデータ） (2024-06-21T18:57:38Z) - Fairer Preferences Elicit Improved Human-Aligned Large Language Model Judgments [41.25558612970942]
大規模言語モデル (LLMs) が優先バイアスを示し, 設計に敏感であることを示す。
この現象に触発された自動ゼロショット評価指向のプロンプト最適化フレームワークZEPOを提案する。
論文 参考訳（メタデータ） (2024-06-17T09:48:53Z) - A Survey on Human Preference Learning for Large Language Models [81.41868485811625]
近年の多目的大言語モデル(LLM)の急激な増加は、より有能な基礎モデルと人間の意図を優先学習によって整合させることに大きく依存している。
本調査では、選好フィードバックのソースとフォーマット、選好信号のモデリングと使用、および、整列 LLM の評価について述べる。
論文 参考訳（メタデータ） (2024-06-17T03:52:51Z) - CFaiRLLM: Consumer Fairness Evaluation in Large-Language Model Recommender System [16.84754752395103]
本研究は,Large Language Model (LLM) ベースのレコメンデータシステムにおける公平性評価に関する過去の研究に批判的な立場を取る。
CFaiRLLMは、真の嗜好アライメントを組み込むだけでなく、交叉フェアネスを厳格に検証する拡張評価フレームワークである。
CFaiRLLMの有効性を検証するため,MovieLensとLastFMを用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2024-03-08T20:44:59Z)
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。