論文の概要: Do AI Personas Grow? Analyzing and Benchmarking Personality Evolution in LLM Agents After Life Events
- arxiv url: http://arxiv.org/abs/2608.06485v1
- Date: Thu, 06 Aug 2026 18:25:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.260773
- Title: Do AI Personas Grow? Analyzing and Benchmarking Personality Evolution in LLM Agents After Life Events
- Title（参考訳）: AIペルソナは成長しているか?ライフイベント後のLLMエージェントのパーソナリティ進化の分析とベンチマーク
- Abstract要約: パーソナリティ条件付きLLMエージェント(PC-Agents)は、感情的支援、社会シミュレーション、ロールプレイングにますます利用されている。
ビッグファイブの特徴をサイコメトリックアンカーとして用いて,11大生活イベント後の事象誘発人格変化について検討した。
以上の結果から,現在のPC-Agentsは人格動態の平均をシミュレートするが,その形状は似ていないことが示唆された。
- 参考スコア（独自算出の注目度）: 34.88005801095875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personality-conditioned LLM agents (PC-Agents) are increasingly used in emotional support, social simulation, and role-playing, motivating the development of lifelong agents that remain coherent over extended interactions. A key component of such coherence is personality evolution: agents should undergo plausible, psychology-grounded changes as they experience life events in different contexts. Although prior work shows that LLM personalities can shift under contextual perturbations, how these shifts vary across traits, events, personas, and models remains poorly understood. We study event-induced personality change after 11 major life events, using the Big Five traits as a psychometric anchor and interpreting the resulting trajectories against longitudinal evidence from human personality psychology. Across four diagnostic axes, PC-Agents exhibit measurable trait shifts at similar rates for event-trait pairs with and without documented human change directions. Even when shifts follow the expected direction, their magnitudes usually fall below human effect-size ranges. Gender and cultural-region prompts show little moderating effect, while persona-level dispersion is compressed three- to four-fold relative to human samples. To enable systematic comparison, we introduce BFI-Adapt, a reusable benchmark for scoring the directional fidelity of event-induced personality change, and use it to rank 14 models. A validation suite shows that the measured shifts exceed no-event retest noise, remain stable under independently paraphrased prompts, exhibit limited and model-dependent convergence with scenario-based behavioral choices, and persist across intervening unrelated dialogue. Together, these checks establish the measured trajectories as robust event-conditioned response patterns. Our results suggest that current PC-Agents simulate the mean of human personality dynamics, but not its shape.
- Abstract（参考訳）: パーソナリティ条件付きLLMエージェント(PC-Agents)は、感情的支援、社会シミュレーション、ロールプレイングにますます使われており、長期にわたるエージェントの発展を動機付けている。
このようなコヒーレンスの重要な要素はパーソナリティの進化である:エージェントは、異なる文脈で人生の出来事を経験するときに、妥当で心理学的な変化を経験すべきである。
以前の研究は、LLMの個性は文脈的摂動の下で変化できることを示しているが、これらの変化が特性、出来事、ペルソナ、モデルによってどのように異なるかは理解されていない。
本研究では,11大生活イベント後の出来事による人格変化について検討し,ビッグファイブの特徴を心理的アンカーとして利用し,人格心理学からの縦断的証拠に対する軌跡を解釈した。
4つの診断軸にまたがって、PC-Agentsは、ヒトの変化方向を文書化せずに、イベントトレートペアに対して同様の速度で測定可能な特性変化を示す。
シフトが期待される方向に沿っている場合でも、その大きさは通常人間の効果サイズの範囲を下回る。
ジェンダーと文化領域のプロンプトは、人体レベルの分散は、ヒトのサンプルと比較して3倍から4倍に圧縮されるが、モデレーション効果はほとんどない。
BFI-Adaptは、事象誘発的性格変化の方向性の忠実度を評価するための再利用可能なベンチマークであり、14モデルのランク付けに使用される。
検証スイートは、測定されたシフトが無矛盾な再テストノイズを超え、独立に言い換えられたプロンプトの下で安定し、シナリオベースの行動選択と限定的でモデル依存の収束を示し、無関係な対話を継続していることを示している。
これらのチェックは、測定された軌跡を堅牢な事象条件応答パターンとして確立する。
以上の結果から,現在のPC-Agentsは人格動態の平均をシミュレートするが,その形状は似ていないことが示唆された。
関連論文リスト
- From Representations to Behaviors: Exploring the Person-Situation-Behavior Triad in LLMs [8.188989044347595]
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。
論文 参考訳（メタデータ） (2026-07-29T12:36:47Z) - How Affect Propagates among LLM Agents: Emergent Emotional Contagion in Crowd Simulation [0.0]
マルチエージェント群シミュレーションにおいて, 相互に認知・評価するエージェント間の影響について検討した。
このアーキテクチャは、エージェント間で直接感情状態を転送する手作業によるメカニズムは含まない。
スパース,小集団における空間的・時間的・人格的依存的な構造を持つ感情的伝染動態を創出することを示す。
論文 参考訳（メタデータ） (2026-07-27T23:22:17Z) - 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) - HEART-Bench: Do LLM Agents Exhibit Human-like Psychology? [25.237337617299946]
本稿では,LLMエージェントが人間のようなコヒーレントな心理をシミュレートできるかどうかを評価するための新しいベンチマークを提案する。
我々のベンチマークでは、Big Fiveの性格特性を基盤とした11種類の人格文字が構成されており、各プロファイルは1,000個の自己書誌的エピソード記憶と深く統合されている。
エージェントを様々なシナリオに従属させることで、彼らの固有の性格特性と自伝的記憶を統合して、行動決定を特定の心理的プロファイルと整合させることができるかどうかを評価する。
論文 参考訳（メタデータ） (2026-05-28T15:08:03Z) - PERSONA: Dynamic and Compositional Inference-Time Personality Control via Activation Vector Algebra [84.59328460968872]
大規模言語モデルにおけるパーソナリティ制御の現在の手法は、静的なプロンプトや高価な微調整に依存している。
ペルソナ(PERSONA)は、人格ベクトルを直接操作することで、微調整レベルのパフォーマンスを実現する訓練不要のフレームワークである。
PersonalityBenchでは、この手法は平均スコア9.60を達成し、教師付き微調整上界9.61とほぼ一致している。
論文 参考訳（メタデータ） (2026-02-17T15:47:58Z) - HUMANLLM: Benchmarking and Reinforcing LLM Anthropomorphism via Human Cognitive Patterns [59.17423586203706]
本稿では,心理的パターンを因果力の相互作用として扱うフレームワークであるHUMANLLMを提案する。
12,000の学術論文から244のパターンを構築し、2-5のパターンが相互に強化、衝突、変調されるシナリオ11,359を合成する。
我々の二重レベルチェックリストは、個々のパターンの忠実度と創発的なマルチパターンのダイナミクスを評価し、強い人間のアライメントを達成する。
論文 参考訳（メタデータ） (2026-01-15T08:56:53Z) - Effects of personality steering on cooperative behavior in Large Language Model agents [0.0]
大規模言語モデル(LLM)におけるパーソナリティステアリングが協調行動に及ぼす影響を,Prisoner's Dilemmaゲームを用いて検討した。
以上の結果から,すべてのモデルにおける協力を促進する要因として,一致性が重要であることが示唆された。
露骨な人格情報は協力を増すが、搾取に対する脆弱性も引き起こす。
論文 参考訳（メタデータ） (2026-01-08T14:23:45Z) - PersonaDrift: A Benchmark for Temporal Anomaly Detection in Language-Based Dementia Monitoring [0.9668407688201359]
PersonaDriftは、日々のコミュニケーションの進行的な変化を検出するための機械学習と統計的手法を評価するために設計されたベンチマークである。
このベンチマークは、介護者が特に有能であると強調した2種類の縦方向の変化に焦点を当てている。
予備的な結果は, ベースライン変動率の低いユーザにおいて, 単純な統計モデルを用いて, 平坦感が検出できることを示唆している。
論文 参考訳（メタデータ） (2025-11-20T15:15:00Z) - 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) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。
データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。
厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
論文 参考訳（メタデータ） (2024-07-17T08:13:22Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z)
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。