論文の概要: The Machine's Internal Clock: Do LLMs Share Human Temporal Illusions?

• arxiv url: http://arxiv.org/abs/2608.15394v1
• Date: Sat, 15 Aug 2026 19:54:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.285946
• Title: The Machine's Internal Clock: Do LLMs Share Human Temporal Illusions?
• Title（参考訳）: マシンの内部時計:LLMは人間の時間的錯覚を共有できるのか?
• Abstract要約: よく文書化された時間的錯覚は、脳が経過時間を直接追跡するのではなく、文脈や関係的な手がかりに頼っていることを示している。 筆者らは,5つの錯覚にまたがる6,684対の物語対の新たなベンチマークを用いて,文章だけで人間の時間的錯覚を誘発できるかどうかを考察した。 人間の読者は5つの錯覚のうち2つしか期待できないシナリオを好む。
• 参考スコア（独自算出の注目度）: 19.3676824889176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human perception of time is subjective. Well-documented temporal illusions show that the brain relies on context and relational cues for judging duration instead of tracking elapsed time directly. Prior studies established these effects with visual and auditory stimuli. Existing LLM evaluations of temporal perception focus on estimating event durations or multi-step temporal reasoning. In this work, we investigate whether written narratives alone can evoke human temporal illusions, using a new benchmark of 6,684 narrative pairs spanning five illusions. We find that human readers (60 participants) prefer expected scenarios in only two of the five illusions, those where the manipulation is directly visible in text rather than requiring readers to internally simulate duration. We evaluate 14 LLMs on the same benchmark. Surprisingly, we find that models pick the literature-predicted scenario across four of the five illusions, diverging from human behavior. Reasoning traces show that ~70% of responses explicitly evoke psychology research, suggesting that this alignment is consistent with retrieval of published findings rather than human-like temporal biases.
• Abstract（参考訳）: 時間に対する人間の認識は主観的である。 よく文書化された時間的錯覚は、脳が経過時間を直接追跡するのではなく、文脈や関係的な手がかりに頼っていることを示している。 先行研究は視覚刺激と聴覚刺激でこれらの効果を確立した。 時間知覚の既存のLCM評価は、事象の継続時間や多段階の時間的推論に焦点をあてる。 本研究では,5つの錯覚にまたがる6,684対の物語対の新たなベンチマークを用いて,文章だけで人間の時間的錯覚を誘発できるかどうかを考察する。 人間の読者(60人)は5つの錯覚のうち2つだけが想定されるシナリオを好む。 同じベンチマークで14個のLSMを評価した。 驚くべきことに、私たちは5つの錯覚のうち4つにまたがって文学予測シナリオを選択し、人間の行動から逸脱することを発見した。 推論の痕跡は、応答の約70%が心理学的研究を明示的に誘発し、このアライメントは人間のような時間的偏見ではなく、公表された結果の検索と一致していることを示している。

関連論文リスト

• Auditory Illusion Benchmark for Large Audio Language Models [26.354449288603504]
  AIBはLarge Audio Language Models (LALM)の最初の聴覚錯覚ベンチマークである AIBは、LALMの最初の聴覚錯覚ベンチマークであり、音楽、音声、音声の10つの代表的な錯覚をカバーしている。 ほとんどのLALMは低レベルの音響錯覚に対して信号に富んでいるが、言語や音楽の先駆者が関与する場合、より人間的な反応を示すものもいくつかある。
  論文  参考訳（メタデータ） (2026-09-02T08:23:36Z)
• Probing for Reading Times [60.30314214800421]
  我々は、英語、ギリシャ語、ヘブライ語、ロシア語、トルコ語における人間の読書時間を表す言語モデル表現を探索する。 その結果,初期層からの表現は,初回固定や視線持続時間などの早期通過の予測において極めて優れていた。
  論文  参考訳（メタデータ） (2026-04-20T18:12:59Z)
• Temporal Understanding under Deictic Frame of Reference [3.5092739016434567]
  TUuD(Temporal Understanding under Deictic t-FoR)は,大規模言語モデルが時間と事象の関係をどのように解釈するかを評価するフレームワークである。 以上の結果から,4つのLCMが,現在,過去,未来にかけての類似性評価をピークとする,難解なt-FoRに適応する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-19T02:08:35Z)
• Test-Time Scaling in Reasoning Models Is Not Effective for Knowledge-Intensive Tasks Yet [93.00109641811788]
  テストタイムスケーリングは、モデルが長い推論チェーンを生成することによって、推論時間計算を増加させる。 本手法は,知識集約型タスクにおいて,高い事実的精度と低幻覚率が不可欠である場合において,まだ有効ではないことを示す。 以上の結果から,テスト時間計算の増大は必ずしも精度の向上には至らず,多くの場合において幻覚の増大につながることが示唆された。
  論文  参考訳（メタデータ） (2025-09-08T16:28:25Z)
• Do Large Vision-Language Models Distinguish between the Actual and Apparent Features of Illusions? [12.157632635072435]
  人間は視覚錯覚に敏感で、感覚や認知の過程を研究する貴重な道具として機能する。 大規模視覚言語モデル(LVLM)のような機械が視覚錯覚に類似した感受性を示すかどうかの研究が始まっている。
  論文  参考訳（メタデータ） (2025-06-06T05:47:50Z)
• Exploring Hallucination of Large Multimodal Models in Video Understanding: Benchmark, Analysis and Mitigation [49.885797244626694]
  大型マルチモーダルモデル(LMM)の幻覚は、正しいように見えるが実際には正しくない応答を提供する。 本稿では,ビデオモダリティにおけるLMMの幻覚問題について検討することを目的としている。
  論文  参考訳（メタデータ） (2025-03-25T13:12:17Z)
• The Essence of Contextual Understanding in Theory of Mind: A Study on Question Answering with Story Characters [67.61587661660852]
  理論・オブ・ミンド(ToM)は、人間が他者の精神状態を理解し解釈することを可能にする。 本稿では,ToMにおける個人的背景に関する包括的文脈理解の重要性を検証する。 本稿では,古典小説の登場人物をベースとした1,035ToM質問からなるCharToMベンチマークを紹介する。
  論文  参考訳（メタデータ） (2025-01-03T09:04:45Z)
• IllusionBench+: A Large-scale and Comprehensive Benchmark for Visual Illusion Understanding in Vision-Language Models [56.34742191010987]
  現在のビジュアル言語モデル(VLM)は印象的なイメージ理解を示すが、視覚錯覚に苦慮している。 我々はIllusionBenchを紹介した。IllusionBenchは、古典的な認知錯覚と現実のシーン錯覚を含む包括的視覚錯覚データセットである。 我々は従来のパターンに似ているが現実に異なるトラップイリュージョンを設計し、SOTAモデルの問題を強調する。
  論文  参考訳（メタデータ） (2025-01-01T14:10:25Z)
• GPT-4 Emulates Average-Human Emotional Cognition from a Third-Person Perspective [1.642094639107215]
  まず最初に、脳神経活動のパターンを見つけるために設計された感情誘発刺激を慎重に構築する。 以上の結果から, GPT-4は特に精度が高いことが示唆された。 GPT-4の解釈は,自己評価よりも,他者の感情に対する人間の判断と密接に一致していることがわかった。
  論文  参考訳（メタデータ） (2024-08-11T01:22:09Z)
• TimeChara: Evaluating Point-in-Time Character Hallucination of Role-Playing Large Language Models [55.51648393234699]
  我々は,ロールプレイング LLM におけるポイントインタイムキャラクタ幻覚を評価するための新しいベンチマーク TimeChara を紹介する。 そこで本研究では,物語専門家を駆使したナラティブ・エクササイズ(Narrative-Experts)を提案する。
  論文  参考訳（メタデータ） (2024-05-28T10:19:18Z)
• TimeBench: A Comprehensive Evaluation of Temporal Reasoning Abilities in Large Language Models [29.656403397725395]
  階層的時間的推論ベンチマークであるTimeBenchを提案する。 TimeBenchは、大規模な言語モデルの時間的推論能力を調べるための徹底的な評価を提供する。 実験結果から, 最先端のLDMと人間の間には, 顕著な性能差があることが示唆された。
  論文  参考訳（メタデータ） (2023-11-29T14:30:16Z)

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。