論文の概要: Semantic Primes as Explanans for Emotion in Large Language Models

• arxiv url: http://arxiv.org/abs/2607.18691v1
• Date: Tue, 21 Jul 2026 04:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.306421
• Title: Semantic Primes as Explanans for Emotion in Large Language Models
• Title（参考訳）: 大規模言語モデルにおける感情表現としてのセマンティック素数
• Abstract要約: 自然意味メタ言語(NSM)のセマンティックプライマーは、科学的な説明基準に従って、多くの選択肢よりも大きな言語モデル(LLM)における感情の表現が優れていることを示す。 4つの命令調整 LLM において、NSM 素数は(1) 内部要素の復元可能であること、(2) 基準モデル上では、素数に基づく方向を介在させることで、最良評価に基づく方向の約3倍、選択的に感情を制御できることが実験により示された。
• 参考スコア（独自算出の注目度）: 0.837609145576126
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Progresses have been made on understanding emotion mechanisms of large language models (LLMs). However, how to explain emotion in LLMs, or even what constitutes good explanations, are less clear. Emotion representations, components, circuits are widely recoverable, but as explanations of a model's own computation they are circular; the emotion space dimensions tend to be arbitrary and non-terminating. A pressing question to ask is whether a more primitive set of internal variables does the work: the semantic primes of the Natural Semantic Metalanguage (NSM). Across four instruction-tuned LLMs (Llama-1B, Gemma-2B, Gemma-9B, OLMo-7B), experiments show that the NSM primes are (1) recoverable internal elements; and (2) on the reference model, intervening with a prime based direction controls emotion about three times as strongly, and twice as selectively, as the best appraisal based direction; and (3) the model treats a prime based explication as interchangeable with the corresponding emotion. These evidences suggest that NSM primes seem to be better explanans for emotion in LLMs than many alternative options according to scientific explanations criteria.
• Abstract（参考訳）: 大規模言語モデル(LLM)の感情メカニズムの理解が進歩している。 しかし、LLMで感情を説明する方法や、良い説明を構成するものでさえも明確ではない。 感情表現、コンポーネント、回路は広く回復可能であるが、モデル自身の計算の説明として、それらは円であり、感情空間次元は任意で終端しない傾向にある。 疑問に思うのは、より原始的な内部変数集合が作用するかどうかである:自然意味メタ言語(NSM)の意味素数。 4つの命令調整LDM(Llama-1B, Gemma-2B, Gemma-9B, OLMo-7B)にまたがって、NSM素数は(1)回復可能な内部要素であり、(2)基準モデル上では、素数ベースの方向を介し、素数ベースの方向が3倍の感情を制御する。 これらの証拠は、科学的な説明基準に従って、NSM素数は多くの選択肢よりも、LSMにおける感情の表現が優れていることを示唆している。

関連論文リスト

• Rationale-Guided Learning for Multimodal Emotion Recognition [21.87364319362605]
  会話におけるマルチモーダル感情認識には、言語と非言語間の複雑な相互作用を理解する必要がある。 本稿では,MERCを認知に触発された推論タスクに変換する新しいフレームワークである理性指導学習(RGL)を提案する。
  論文  参考訳（メタデータ） (2026-08-11T04:02:03Z)
• Do Large Language Models Have Emotions? [2.6880487685200527]
  人類学的報告では、クロード・ソネット4.5で感情概念の内部表現が発見され、LLMは「機能的感情」を持っていると結論づけた。 情動は、状況の文脈に敏感な解釈と、複数のシステムにまたがる処理の再構成という、2つのコア機能に役立ちます。
  論文  参考訳（メタデータ） (2026-06-03T02:07:49Z)
• AbductiveMLLM: Boosting Visual Abductive Reasoning Within MLLMs [54.68257779000049]
  視覚的帰納的推論は、AIシステムが不完全な視覚的観察の最も可能性の高い説明を推論する必要がある難しいタスクである。 本稿では,REASONERとIMAGINERの2つの相乗成分からなるAbductiveMLLMを紹介する。 標準VARベンチマークの実験では、AbductiveMLLMは最先端のパフォーマンスを達成し、従来のソリューションや高度なMLLMよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-01-06T07:05:35Z)
• Do LLMs "Feel"? Emotion Circuits Discovery and Control [54.57583855608979]
  本研究では、感情表現を引き起こす内部メカニズムと、生成したテキストにおける感情の制御について検討する。 これは、大きな言語モデルで感情回路を発見し、検証する最初の体系的な研究である。
  論文  参考訳（メタデータ） (2025-10-13T12:24:24Z)
• Large Language Models are Highly Aligned with Human Ratings of Emotional Stimuli [0.62914438169038]
  感情は、普通の場所と高いストレスの両方のタスクにおいて、人間の行動と認知に大きな影響を及ぼす。 大規模言語モデルは、感情的に負荷された刺激や状況がどのように評価されるかを理解することによって、議論を知らせるべきである。 これらのケースにおけるモデルと人間の行動との整合性は、特定の役割や相互作用に対するLLMの有効性を知らせることができる。
  論文  参考訳（メタデータ） (2025-08-19T19:22:00Z)
• MME-Emotion: A Holistic Evaluation Benchmark for Emotional Intelligence in Multimodal Large Language Models [108.61337743051483]
  MME-Emotionは,MLLMの感情的理解と推論能力の両方を評価するシステムベンチマークである。 MME-Emotionには6000以上のキュレートされたビデオクリップとタスク固有の質問回答(QA)ペアが含まれており、8つの感情的なタスクを定式化するための広いシナリオにまたがっている。 マルチエージェントシステムフレームワークを通じて分析された、感情認識と推論のためのハイブリッドメトリクスを備えた総合評価スイートが組み込まれている。
  論文  参考訳（メタデータ） (2025-08-11T03:14:55Z)
• On the Thinking-Language Modeling Gap in Large Language Models [68.83670974539108]
  言語と思考のモデリングには大きなギャップがあることが示される。 本稿では,このギャップを実証し緩和するために,Language-of-Thoughts (LoT) と呼ばれる新しいプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2025-05-19T09:31:52Z)
• AI with Emotions: Exploring Emotional Expressions in Large Language Models [0.0]
  大きな言語モデル(LLM)は、特定の感情状態で質問に答えるエージェントとしてロールプレイを行う。 ラッセルの「サイクムプレックス」モデルは、眠気(覚醒)と快楽(静寂)の軸に沿った感情を特徴づける。 評価の結果, 生成した回答の感情状態は, 仕様と一致していた。
  論文  参考訳（メタデータ） (2025-04-20T18:49:25Z)
• Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
  対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。 大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
  論文  参考訳（メタデータ） (2024-06-07T08:58:29Z)
• Towards a Mechanistic Interpretation of Multi-Step Reasoning Capabilities of Language Models [107.07851578154242]
  言語モデル(LM)は強力な多段階推論能力を持つ。 LMが事前学習コーパスから記憶された回答を不正に処理するか,多段階推論機構を用いてタスクを実行するかは明らかでない。 メカニスティックプローブは,ほとんどの例において,モデルの注意から推論ツリーの情報を検出することができることを示す。
  論文  参考訳（メタデータ） (2023-10-23T01:47:29Z)
• Can Large Language Models Explain Themselves? A Study of LLM-Generated Self-Explanations [14.685170467182369]
  ChatGPTのような大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクにおいて優れた性能を示している。 これらのモデルは、人間の会話に"ヘルプフル"な応答を生成するように調整されているため、応答とともに説明を生成できる。
  論文  参考訳（メタデータ） (2023-10-17T12:34:32Z)

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。