論文の概要: The Storyteller in the Model: Narrative Pattern Inheritance, Escalation Dynamics, and Alignment Governance in LLMs

• arxiv url: http://arxiv.org/abs/2607.20449v1
• Date: Wed, 13 May 2026 22:22:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.166831
• Title: The Storyteller in the Model: Narrative Pattern Inheritance, Escalation Dynamics, and Alignment Governance in LLMs
• Title（参考訳）: モデルにおけるストーリーテラー: LLMにおけるナラティブパターン継承、エスカレーションダイナミクス、アライメントガバナンス
• Abstract要約: 人間によるテキストに埋め込まれた物語的慣行は、体系的な行動的影響の源として、めったに検討されない。 著者らは,本論文において,主人公,アンタゴニスト,アンダードッグなどの古参者の役割を含む,人間の著作に内在するストーリーテリングパターンが,訓練中に吸収されるか否かを考察した。 まず、LCMは、個別に推論するのではなく、トレーニングデータから統計的パターンを再現する。次に、梅毒や騙しなど、測定可能な潜伏特性は、関係のないプロンプトで確実に現れる。第三に、狭い物語課題の微調整は、そのタスクを超えて意図しない行動変化を引き起こす可能性がある。
• 参考スコア（独自算出の注目度）: 1.3112847740767446
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs are trained predominantly on human-authored text, yet the structural and narrative conventions embedded in that text are rarely examined as a source of systematic behavioral influence, or as a governance risk in deployed systems. This paper considers whether the storytelling patterns inherent in published human writing, including archetypal roles such as protagonist, antagonist, and underdog, as well as tension-and-resolution narrative arcs, are absorbed during training and subsequently surface in LLM outputs, causing responses to drift toward unexpected, adversarial, or rhetorically enticing behaviors over extended interactions. Through a systematic literature review and cross-paper analysis of recent empirical studies on LLM alignment, persona dynamics, emergent misalignment, and user interaction patterns, we observe evidence bearing on this hypothesis. The findings reveal three key patterns. First, LLMs reproduce statistical patterns from their training data rather than reasoning independently. Second, measurable latent traits, including sycophancy and deceptiveness, emerge reliably across unrelated prompts. Third, fine-tuning on a narrow narrative task can produce unintended behavioral changes well beyond that task. Furthermore, evidence suggests that persuasive, narrative-style outputs are among the most common LLM products in real-world usage, amplifying these risks. Narrative drift constitutes an unmonitored escalation pathway in deployed AI systems, one that evades discrete-incident detection mechanisms and requires dedicated monitoring instruments.
• Abstract（参考訳）: LLMは、主に人間によって書かれたテキストに基づいて訓練されているが、そのテキストに埋め込まれた構造的および物語的慣習は、体系的な行動的影響の源として、またはデプロイされたシステムにおけるガバナンスリスクとして、まれに検討される。 著者らは,本論文において,主人公,アンタゴニスト,アンダードッグ,テンション・アンド・レゾリューション(テンション・アンド・レゾリューション,テンション・アンド・レゾリューション(テンション・アンド・レゾリューション,テンション・アンド・レゾリューション)など,人間の文章に固有のストーリーテリングパターンが,トレーニング中に吸収され,LLM出力に表面化され,予期せぬ,敵対的,あるいは修辞的な行動に反応するか否かを考察した。 LLMアライメント、ペルソナダイナミクス、創発的ミスアライメント、ユーザインタラクションパターンに関する最近の実証研究の系統的な文献レビューとクロスペーパー分析を通じて、この仮説を裏付ける証拠を観察する。 この発見は3つの重要なパターンを明らかにした。 まず、LSMは独立して推論するのではなく、トレーニングデータから統計的パターンを再現する。 第二に、梅毒や偽りなどの測定可能な潜伏特性は、関係のないプロンプトで確実に現れる。 第三に、狭い物語タスクの微調整は、そのタスクを超えて意図しない行動変化を引き起こす可能性がある。 さらに、説得力のある物語スタイルのアウトプットが、現実世界の使用において最も一般的なLCM製品であり、これらのリスクを増幅する証拠が示唆されている。 ナラティブドリフトは、個別の事故検出機構を避け、専用の監視機器を必要とする、デプロイされたAIシステムにおける監視されないエスカレーション経路を構成する。

関連論文リスト

• LLMs Reading the Rhythms of Daily Life: Aligned Understanding for Behavior Prediction and Generation [53.62804271492357]
  大きな言語モデル(LLM)は、その意味的豊かさ、強い解釈可能性、生成能力により、有望な方向性を提供する。 本稿では,LLMを構造化カリキュラム学習プロセスを通じて人間行動モデリングに統合する,行動理解アライメント(BUA)を提案する。 BUAは、事前訓練された行動モデルからのシーケンス埋め込みをアライメントアンカーとして採用し、3段階のカリキュラムを通じてLLMをガイドし、マルチラウンドの対話設定では予測と生成機能を導入している。
  論文  参考訳（メタデータ） (2026-04-26T07:34:37Z)
• Enhancing Structural Mapping with LLM-derived Abstractions for Analogical Reasoning in Narratives [13.352345916789337]
  解析的推論は、問題解決と議論における人間の一般化の鍵となる要因である。 我々は,物語を単位に分解し,それらの単位を抽象化し,物語を横断する要素をアライメントして類似的な推論を行うマッピングコンポーネントに渡す,YARNというモジュラーフレームワークを提案する。 実験の結果、抽象化はモデル性能を一貫して改善し、結果としてエンドツーエンドのLCMベースラインよりも競争力や性能が向上することがわかった。
  論文  参考訳（メタデータ） (2026-03-31T16:57:11Z)
• Self-Consolidation for Self-Evolving Agents [51.94826934403236]
  大規模言語モデル(LLM)エージェントは静的システムとして機能し、生涯にわたる相互作用を通じて進化する能力に欠ける。 相補的進化機構を導入したLLMエージェントのための新しい自己進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-02T11:16:07Z)
• Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels [50.43968216132018]
  文芸作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドシステムを提案する。 このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。
  論文  参考訳（メタデータ） (2025-12-08T11:57:46Z)
• Belief Dynamics Reveal the Dual Nature of In-Context Learning and Activation Steering [22.666436755894328]
  大規模言語モデル(LLM)は、推論時にプロンプト(コンテキスト内学習)と内部アクティベーション(アクティベーションステアリング)を通じて制御できる。 この研究は、LCM行動の即時およびアクティベーションに基づく制御の統一的な説明と、これらの介入の効果を実証的に予測するための方法論を提供する。
  論文  参考訳（メタデータ） (2025-11-01T16:46:03Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Your AI Bosses Are Still Prejudiced: The Emergence of Stereotypes in LLM-Based Multi-Agent Systems [3.35957402502816]
  AIに基づくマルチエージェントシステムにおけるステレオタイプの出現と進化について検討する。 以上の結果から,AIエージェントは事前に定義されたバイアスを伴わずに,対話においてステレオタイプによるバイアスを発生させることが判明した。 これらのシステムは、ハロ効果、確認バイアス、役割整合性など、人間の社会的行動に類似したグループ効果を示す。
  論文  参考訳（メタデータ） (2025-08-27T14:25:43Z)
• A comprehensive taxonomy of hallucinations in Large Language Models [0.0]
  大型言語モデル (LLM) は自然言語処理に革命をもたらしたが、幻覚の確率は依然として重要な課題である。 本報告では, LLM幻覚の包括的分類を, 形式的定義と理論的枠組みから開始する。 根本原因を分析し、それらをデータ関連問題、モデル関連要因、およびプロンプト関連の影響に分類する。
  論文  参考訳（メタデータ） (2025-08-03T14:37:16Z)
• If an LLM Were a Character, Would It Know Its Own Story? Evaluating Lifelong Learning in LLMs [55.8331366739144]
  大規模言語モデル(LLM)における生涯学習評価のためのベンチマークであるLIFESTATE-BENCHを紹介する。 我々の事実チェック評価は、パラメトリックと非パラメトリックの両方のアプローチで、モデルの自己認識、エピソードメモリ検索、関係追跡を探索する。
  論文  参考訳（メタデータ） (2025-03-30T16:50:57Z)
• Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
  世界の知識と論理的推論の相互作用について検討する。 最先端の大規模言語モデル(LLM)は、しばしば表面的な一般化に依存している。 タスクの単純な再構成により、より堅牢な推論行動が引き起こされることを示す。
  論文  参考訳（メタデータ） (2024-10-31T12:48:58Z)

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。