論文の概要: Beyond "AI Language": The case for the idiolectal nature of LLM output

• arxiv url: http://arxiv.org/abs/2608.06589v1
• Date: Thu, 06 Aug 2026 21:03:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.288494
• Title: Beyond "AI Language": The case for the idiolectal nature of LLM output
• Title（参考訳）: AI言語」を超えて : LLM出力の慣用的性質を事例として
• Abstract要約: 大規模言語モデルの出力はしばしば「AI言語」と呼ばれる超多言語として分析される この章は、この観点は、人間の慣用句に似た、モデル固有の言語的署名と共存していると主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While large language model outputs are frequently analysed as a collective super variety termed "AI language," this chapter argues that this perspective coexists with distinct, model-specific linguistic signatures akin to human idiolects. We analyse two datasets of LLM-generated texts on societal topics: a 2024 corpus of six models (Improta et al. 2024) and a newly generated 2026 corpus using the same prompts featuring six contemporary models. Our findings, utilising computational descriptors and stylometric principal component analysis reveal a generational shift between the style of the 2024 and 2026 cohorts, while demonstrating that each individual model maintains a unique linguistic profile. This multi-layered interplay is illustrated by contraction frequencies, which vary from over 1,200 to over 30,000 per million words within the same cohort of models (2026). Ultimately, we conclude that treating LLM output as idiolectal in nature provides a valuable framework with potential implications for research on variation and change, LLM-generated text detection, forensic linguistics and usage-based approaches to language.
• Abstract（参考訳）: 大規模言語モデルのアウトプットはしばしば「AI言語」と呼ばれる集合的な超多言語として分析されるが、この章では、この視点が人間の慣用句に似た、モデル固有の言語的シグネチャと共存していると主張している。 6つのモデルからなる2024コーパス(Improta et al 2024)と、同じプロンプトを用いた2026コーパス(2026コーパス)である。 本研究は,2024年から2026年までのコーホート形式と,各モデルが独自の言語的プロファイルを維持していることを示す。 この多層的相互作用は、同じモデルのコホート内(2026年)で1200語以上から30,000語以上まで変化する収縮周波数によって説明される。 最終的に、LLM出力を自然界における慣用的扱いとして扱うことは、変化と変化の研究、LLM生成テキストの検出、法医学的言語学および言語利用に基づくアプローチに潜在的に意味のあるフレームワークを提供すると結論付けている。

関連論文リスト

• On the Limitations of Cross-Lingual Consistency in Multilingual Text-to-image Generation [79.18001266925245]
  LingT2Iは、33Kプロンプトを持つ10の広く使われている言語をカバーするベンチマークである。 我々は、言語不平等と言語依存のトレードオフを明らかにする包括的な言語間分析を行う。
  論文  参考訳（メタデータ） (2026-08-11T14:49:23Z)
• What Are LLMs Doing to Scientific Communication? Measuring Changes in Writing Practices and Reading Experience [8.092815324198176]
  私たちは、ACLアンソロジー(2020-2024)から37,000以上の論文からなる自然主義コーパスと、3000の人文のパスからなる合成データセットを作成します。 まず,単語の頻度と使用状況が時間とともに大きく変化したことを示す。 次に、より複雑なスタイリスティックな特徴をモデル化し、LLM修飾テキストがより頻繁に、特定の構文構造、より複雑で長い単語、より低い語彙の多様性を含むことを確認する。
  論文  参考訳（メタデータ） (2026-05-19T14:54:33Z)
• Subword-Based Comparative Linguistics across 242 Languages Using Wikipedia Glottosets [0.1682277069379282]
  サブワードに基づく手法を用いて,242のラテン文字言語とキリル文字言語の大規模比較研究を行った。 提案手法では,ウィキペディアのランクに基づく単語ベクトルを用いて語彙,語彙の発散,言語的類似度を大規模に解析する。
  論文  参考訳（メタデータ） (2026-01-26T18:55:28Z)
• Benchmark of stylistic variation in LLM-generated texts [0.0]
  本研究では,人間によって書かれたテキストと,大規模言語モデル(LLM)によって作成された同等のテキストのレジスタ変動について検討する。 同様の分析は、AI-Koditexコーパスとチェコの多次元モデルを用いてチェコで複製される。
  論文  参考訳（メタデータ） (2025-09-12T12:12:20Z)
• SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
  第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。 コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。 本稿では,挑戦設計と入賞方法について述べる。
  論文  参考訳（メタデータ） (2025-08-09T11:57:33Z)
• Examining the Robustness of Large Language Models across Language Complexity [19.184633713069353]
  大規模言語モデル(LLM)は、学生が学習を理解し評価するために生成したテキスト成果物を分析する。 本研究では,数学の問題解決において,学生の自己制御学習(SRL)を検出するLLMベースの学生モデルのロバスト性について検討した。
  論文  参考訳（メタデータ） (2025-01-30T20:33:59Z)
• Language Model Alignment in Multilingual Trolley Problems [138.5684081822807]
  Moral Machine 実験に基づいて,MultiTP と呼ばれる100以上の言語でモラルジレンマヴィグネットの言語間コーパスを開発する。 分析では、19の異なるLLMと人間の判断を一致させ、6つのモラル次元をまたいだ嗜好を捉えた。 我々は、AIシステムにおける一様道徳的推論の仮定に挑戦し、言語間のアライメントの顕著なばらつきを発見した。
  論文  参考訳（メタデータ） (2024-07-02T14:02:53Z)
• Holmes: A Benchmark to Assess the Linguistic Competence of Language Models [59.627729608055006]
  言語モデル(LM)の言語能力を評価するための新しいベンチマークであるHolmesを紹介する。 我々は、計算に基づく探索を用いて、異なる言語現象に関するLMの内部表現を調べる。 その結果,近年,他の認知能力からLMの言語能力を引き離す声が上がっている。
  論文  参考訳（メタデータ） (2024-04-29T17:58:36Z)
• Findings of the 2023 ML-SUPERB Challenge: Pre-Training and Evaluation over More Languages and Beyond [87.4049283495551]
  2023年のMultilingual Speech Universal Performance Benchmark (ML-SUPERB) Challengeは、宣言されたSUPERBフレームワークに拡張される。 この挑戦は12のモデル提出と54の言語コーパスを集め、154の言語を含む包括的なベンチマークをもたらした。 この結果は、単にスケーリングモデルが多言語音声タスクにおける決定的な解決策ではないことを示唆している。
  論文  参考訳（メタデータ） (2023-10-09T08:30:01Z)
• Generative Spoken Language Model based on continuous word-sized audio tokens [52.081868603603844]
  本稿では,単語サイズ連続評価音声埋め込みに基づく生成音声言語モデルを提案する。 結果として得られるモデルは、単語サイズの連続埋め込みに基づく最初の生成言語モデルである。
  論文  参考訳（メタデータ） (2023-10-08T16:46:14Z)
• A Massively Multilingual Analysis of Cross-linguality in Shared Embedding Space [61.18554842370824]
  言語間モデルでは、多くの異なる言語に対する表現は同じ空間に存在している。 我々は,bitext検索性能の形式で,言語間アライメントのタスクベース尺度を計算した。 我々はこれらのアライメント指標の潜在的な予測因子として言語的、準言語的、および訓練関連の特徴について検討する。
  論文  参考訳（メタデータ） (2021-09-13T21:05:37Z)
• Multilingual AMR-to-Text Generation [22.842874899794996]
  20の異なる言語で生成する多言語AMR-to-textモデルを作成する。 自動メトリクスに基づく18言語の場合、我々の多言語モデルは単一の言語を生成するベースラインを超えます。 我々は、人間の評価を用いて形態や単語の順序を正確に把握する多言語モデルの能力を分析し、母語話者が我々の世代を流動的であると判断する。
  論文  参考訳（メタデータ） (2020-11-10T22:47:14Z)

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。