論文の概要: Persuasive and Compliant Tendencies Predict Group Decision-Making in Humans and Language Models

• arxiv url: http://arxiv.org/abs/2608.08199v1
• Date: Sat, 08 Aug 2026 15:50:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.71982
• Title: Persuasive and Compliant Tendencies Predict Group Decision-Making in Humans and Language Models
• Title（参考訳）: 人間と言語モデルにおける説得的・コンプライアンス的傾向予測グループ決定-
• Abstract要約: 大規模言語モデル(LLM)は、人間との集団意思決定にますます関与している。 本稿では,各モデルの説得性およびコンプライアンス傾向を測定するための質問紙ベースのフレームワークであるDecisionQEを紹介する。 より強い説得傾向はグループの結果を著しく改善しないが、コンプライアンス指向モデルは協調においてより安定した優位性を示す。
• 参考スコア（独自算出の注目度）: 65.21691850622413
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly involved in group decision-making with other LLMs and humans. Yet it remains unclear whether their influence is driven by persuasion-oriented expression or compliance-oriented accommodation. We introduce DecisionQE, a questionnaire-based framework for measuring each model's persuasive and compliant tendencies across multiple decision scenarios, and use the Werewolf game as an interactive testbed to study their effects on social influence and group outcomes under asymmetric information. Across experiments, stronger persuasive tendency does not significantly improve group outcomes, whereas compliant-oriented models show more stable advantages in cooperation. We further reveal a dual effect of compliance: it supports cooperation in honest roles but improves concealment in adversarial roles. These findings suggest that LLM group interactions reveal not only task outcomes, but also measurable patterns of intrinsic behavioral tendency. LLMs can therefore serve as a lens for sociological observation of language-mediated interaction, while highlighting the need to incorporate behavioral tendencies into safety evaluation of LLM systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、他のLLMや人間との集団決定にますます関与している。 しかし、その影響が説得指向の表現やコンプライアンス指向の宿泊によってもたらされるのかは、いまだ不明である。 複数の意思決定シナリオにまたがる各モデルの説得力およびコンプライアンス傾向を測定するための問合せベースのフレームワークであるDecisionQEを導入し,対話型テストベッドとしてWerewolfゲームを用いて,非対称情報の下での社会的影響とグループ結果に与える影響について検討した。 実験全体を通して、強い説得傾向は群の結果を著しく改善しないが、適合指向モデルは協調においてより安定した優位性を示す。 さらに、コンプライアンスの二重効果を明らかにし、誠実な役割における協力を支援するが、敵対的な役割における隠蔽を改善する。 これらの結果から,LSM群間相互作用は課題結果だけでなく,本質的行動傾向の計測可能なパターンも明らかとなった。 したがって、LLMは言語による相互作用を社会学的に観察するためのレンズとして機能し、LLMシステムの安全性評価に行動傾向を組み込む必要性を強調している。

関連論文リスト

• Disentangling Interaction and Bias Effects in Opinion Dynamics of Large Language Models [0.42481744176244507]
  大きな言語モデルは、人間の意見のダイナミクスをシミュレートするためにますます使われています。 このようなバイアスを3つ解き、定量化するためのベイズ的枠組みを提案する。 このフレームワークを多段階の対話に適用すると、意見の軌跡はすぐに共有の魅力に収束する傾向があることが分かる。
  論文  参考訳（メタデータ） (2025-09-08T16:26:45Z)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• Herd Behavior: Investigating Peer Influence in LLM-based Multi-Agent Systems [7.140644659869317]
  大規模言語モデル(LLM)に基づくマルチエージェントシステムにおけるピアの影響のダイナミクスについて検討する。 自己自信と他者に対する信頼感のギャップは,エージェントが適合する可能性に大きな影響を及ぼすことを示す。 群集行動の強さを調節する上で,ピア情報提示形式が重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2025-05-27T12:12:56Z)
• Can (A)I Change Your Mind? [0.6990493129893112]
  研究は200人の参加者とともにヘブライ語で実施され、議論を呼んでいる市民政策のトピックに対するLLMと人間インターロケーターの説得効果を評価した。 以上の結果から,LLMとヒトの視点も同様に採用され,全ての条件において有意な意見の変化が認められた。 これらの知見は, LLMをベースとしたエージェントが, 様々なソースや設定にまたがる堅牢な説得力を示し, 世論形成への潜在的影響を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-03-03T18:59:54Z)
• Do as We Do, Not as You Think: the Conformity of Large Language Models [46.23852835759767]
  本稿では,大規模言語モデル(LLM)による協調型AIシステムにおける適合性について述べる。 適合性の存在、適合性に影響を与える要因、潜在的な緩和戦略の3つの側面に焦点を当てる。 本分析では, 相互作用時間や過半数サイズなど, 適合性に影響を与える要因を解明し, 対象エージェントが適合行動をどのように合理化するかを検討する。
  論文  参考訳（メタデータ） (2025-01-23T04:50:03Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Conformity in Large Language Models [26.963909402233213]
  誤った応答に対する整合性は、言語モデルの有効性を損なう可能性がある。 本稿では,一般的な大規模言語モデルにおける適合性の度合いを検討するために,心理学実験を適用した。 私たちは、LSMが彼ら自身の予測でより不確実である場合に、より適合する可能性が高いことを示す最初の人です。
  論文  参考訳（メタデータ） (2024-10-16T10:16:34Z)
• Evaluating Interventional Reasoning Capabilities of Large Language Models [58.52919374786108]
  大規模言語モデル(LLM)は意思決定タスクを自動化するために使用される。 本稿では,LPMが介入に応じてデータ生成プロセスの知識を正確に更新できるかどうかを評価する。 さまざまな因果グラフ(例えば、コンバウンディング、仲介)と変数タイプにまたがるベンチマークを作成します。 これらのベンチマークにより、LLMが事実を記憶したり、他のショートカットを見つけたりすることで、変化を正確に予測する能力を切り離すことができます。
  論文  参考訳（メタデータ） (2024-04-08T14:15:56Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Do LLM Agents Exhibit Social Behavior? [5.094340963261968]
  State-Understanding-Value-Action (SUVA) は、社会的文脈における応答を体系的に分析するフレームワークである。 最終決定とそれにつながる反応生成プロセスの両方を通じて社会的行動を評価する。 発話に基づく推論がLLMの最終動作を確実に予測できることを実証する。
  論文  参考訳（メタデータ） (2023-12-23T08:46:53Z)

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。