論文の概要: From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
- arxiv url: http://arxiv.org/abs/2607.26853v1
- Date: Wed, 29 Jul 2026 12:36:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.667687
- Title: From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs
- Title（参考訳）: 表現から行動へ:LLMにおける人選行動三者を探る
- Abstract要約: LLMにおけるパーソナリティ関連行動の既存の研究は、主にパーソナリティ条件下でのアウトプットに焦点を当てている。
LLMにおける特性様表現の発見,制御,検証のためのフレームワークを提案する。
本研究は, LLMが内部状態, 状況表現, 行動結果とをリンクする制御可能な特性様表現を含んでいることを示す。
- 参考スコア（独自算出の注目度）: 8.188989044347595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human personality theories characterize traits not as isolated attributes captured by a single score, but as stable individual tendencies expressed through the interplay among persons, situations, and behaviors. Existing studies of personality-related behavior in LLMs have primarily focused on outputs elicited under personality conditioning, characterizing observable trait-related expressions while lacking mechanistic evidence for the existence of internal personality-related representations, their cross-situational expression, and how these representations shape specific behaviors. Building on Funder's personality triad framework, we adapt its three components for LLM analysis: Person as personality-related internal representations, Situation as contexts that afford trait-relevant responses, and Behavior as response patterns on broader social tasks. We introduce a framework for discovering, controlling, and validating trait-like representations in LLMs. First, using contrastive behavior pairs grounded in shared situations, we identify sparse internal features associated with opposing poles of personality traits through SAE decomposition. We validate their trait relevance through effects on behavior to situation, token-level activation patterns, and robustness to paraphrasing. Second, feature-level interventions induce bidirectional trait-related shifts across a separate, diverse set of situations while preserving response validity, demonstrating consistent expression across contexts. Third, applying the same interventions to social intelligence tasks reveals behavioral changes with benefit-tradeoff patterns consistent with findings from human personality research, providing behavioral-level validation beyond personality scores. Our findings provide evidence that LLMs contain controllable trait-like representations linking internal states, situational expression, and behavioral outcomes.
- Abstract（参考訳）: 人格論は、特徴を1つのスコアによって取得された孤立した属性ではなく、個人、状況、行動間の相互作用を通して表現される安定した個人の傾向として特徴づける。
LLMにおけるパーソナリティ関連行動の既存の研究は、主にパーソナリティ条件下で引き起こされたアウトプット、観察可能な特性関連表現の特徴、内部パーソナリティ関連表現の存在の機械的証拠の欠如、それらの表現が特定の行動をどのように形作るかに焦点をあてている。
我々は,Funderのパーソナリティ・トリアド・フレームワークを構築し,その3つの要素をLCM分析に適用する。パーソナリティ関連内部表現としての人,特性関連応答を許容する状況としての状況,より広範な社会的タスクに対する反応パターンとしての行動。
LLMにおける特性様表現の発見,制御,検証のためのフレームワークを提案する。
まず,共有状況に根ざしたコントラスト的行動ペアを用いて,SAE分解による性格特性の対立極に付随するスパースな内部特徴を同定する。
我々は,それらの特徴が状況に対する行動,トークンレベルのアクティベーションパターン,言い換えに対する堅牢性に与える影響を検証した。
第二に、特徴レベルの介入は、異なる多様な状況のセットにまたがって双方向の特徴関連の変化を誘発し、応答の妥当性を保ち、コンテキスト間で一貫した表現を示す。
第三に、同じ介入をソーシャルインテリジェンスタスクに適用すると、人格研究の発見と一致した利益・利益・トレードオフパターンによる行動変化が示され、人格スコアを超えた行動レベルの検証が提供される。
本研究は, LLMが内部状態, 状況表現, 行動結果とをリンクする制御可能な特性様表現を含んでいることを示す。
関連論文リスト
- Reading Cognition as Decisions Unfold in Words: A Factorized Inverse Decision Model [67.84198127797005]
逆決定モデリングは、観察された行動から決定過程の潜伏特性を推定する。
本稿では、各個人のタスク実行可能性を行動要因と努力要因に分解する因子化逆決定モデル(FIDM)を提案する。
論文 参考訳（メタデータ） (2026-08-10T07:46:13Z) - Rethinking Psychometric Evaluation of LLMs: When and Why Self-Reports Predict Behavior [58.538864650160406]
4つの行動タスクと11のフロンティアLSMで実験を行いました。
SR-ビヘイビアコヒーレンスは存在するが選択的である。
これらの結果は、粗いパーソナリティフレームワークがデプロイメントの振る舞いをテストする最良のツールではないことを示唆している。
論文 参考訳（メタデータ） (2026-06-10T22:28:53Z) - Enhancing Personality Recognition by Comparing the Predictive Power of Traits, Facets, and Nuances [37.83859643892549]
パーソナリティ認識モデルは、行動データから性格特性を推定することを目的としている。
モーダル間(音響)とオブジェクト間(ダイアド・アウェア)のアテンション機構を含むトランスフォーマーベースモデルを訓練した。
その結果、ニュアンスレベルのモデルはファセットやトラストレベルのモデルよりも一貫して優れており、平均2乗誤差を最大74%削減できることがわかった。
論文 参考訳（メタデータ） (2026-02-05T13:35:04Z) - Personality Expression Across Contexts: Linguistic and Behavioral Variation in LLM Agents [6.123697959900301]
本研究は, 同一の性格が, 4つの会話環境において, 言語的, 行動的, 感情的な結果にどのように寄与するかを検討する。
発見は、同じ特徴が社会的・情緒的な要求によって異なることを示唆している。
論文 参考訳（メタデータ） (2026-02-01T07:14:00Z) - Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks [2.1117030125341385]
大きな言語モデル(LLM)は、会話エージェント(CA)が特有の個性を表現することを可能にする。
本研究では、目標指向タスクにおける人格表現レベルとユーザエージェントの人格アライメントが知覚に与える影響について検討する。
論文 参考訳（メタデータ） (2025-09-11T21:43:49Z) - 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) - IROTE: Human-like Traits Elicitation of Large Language Model via In-Context Self-Reflective Optimization [66.6349183886101]
IROTEは,安定かつ伝達可能な特性抽出のための新しいインコンテキスト手法である。
IROTEが生成する1つの自己反射は、様々な下流タスクにまたがる目標特性の安定な偽造を LLM が引き起こすことを示す。
論文 参考訳（メタデータ） (2025-08-12T08:04:28Z) - A Comparative Study of Large Language Models and Human Personality Traits [6.354326674890978]
言語モデル(LLM)は、言語理解と生成において人間のような能力を示す。
本研究では, LLMが人格的特徴を示すか, これらの特徴が人格とどのように比較されるかを検討する。
論文 参考訳（メタデータ） (2025-05-01T15:10:15Z) - Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - Evaluating Large Language Models with Psychometrics [59.821829073478376]
本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。
私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。
LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
論文 参考訳（メタデータ） (2024-06-25T16:09:08Z) - 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。