論文の概要: The Deontic Gap: Large Language Models and the Modal Language of Obligation

• arxiv url: http://arxiv.org/abs/2608.18144v1
• Date: Sun, 09 Aug 2026 21:36:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-23 14:54:39.992717
• Title: The Deontic Gap: Large Language Models and the Modal Language of Obligation
• Title（参考訳）: Deontic Gap:大規模言語モデルとModal Language of Obligation
• Abstract要約: 大規模言語モデルが現代人文パターンを再現するかどうかを考察する。 3つの主要なコーパスの中で、AI生成されたテキストは、常に正のデオンモーダルを過小評価する。 LLMのモーダル使用法は、これらのモデルが訓練された公式な資料を反映していることが示唆されている。
• 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: Modal auxiliaries such as must, should, and have to mark necessity and obligation within the contexts of speaker authority and interpersonal stance. We examine whether large language models (LLMs) reproduce contemporary human patterns of deontic modal usage. Across three primary corpora, an external benchmark, two controlled replications, and a naturalistic eleven-model replication, AI-generated text consistently underuses positive deontic modals (must, should, have to, had to) relative to contemporary humans. Historical comparison with the Google Books Ngram corpus (1920-2022), used as a heuristic calibration against the published-prose record, shows that AI modal frequencies fall within the range of formal published English, whereas contemporary human modal rates in informal digital contexts often exceed twentieth-century book baselines. Phrase-level decomposition shows that the AI-human modal gap is concentrated in constructions central to interpersonal stance (should, have to, had to), while AI matches or exceeds humans on need to in instructional and question-answering contexts but not in persuasive student writing, indicating that the modal profile is genre-conditional. The findings suggest that LLM modal usage reflects the formal written resources on which these models were trained, while underusing the modal constructions through which contemporary human writers mark immediate, interpersonal obligation.
• Abstract（参考訳）: 義務、義務、義務のようなモダル補助は、話者権限と対人的スタンスという文脈における必要性と義務を明記しなければならない。 大規模言語モデル (LLM) が現代人文パターンを再現するかどうかを検討する。 3つのプライマリコーパス、外部のベンチマーク、2つのコントロールされたレプリケーション、そして自然主義的な11モデルの複製において、AI生成されたテキストは、現代人間に対して正のデオンモーダル(すべき、すべき、すべき、すべきである)を常に過小評価している。 Google Books Ngram corpus (1920-2022) との歴史的比較では、AIモーダル周波数が公式な英語の範囲内にあるのに対し、非公式なデジタル文脈における現代人のモーダルレートは20世紀の書籍ベースラインを超えることが多い。 フレーズレベルの分解は、AIと人間のモーダルギャップが対人的スタンスの中心となる構造に集中していることを示しているが、AIは教育的・質問応答的な文脈で人間と一致するか、あるいは超えるが、説得力のある学生の文章では一致せず、そのモーダルプロファイルがジャンル的条件であることを示している。 この結果から,LLMのモーダル使用は,これらのモデルが訓練された公式な資料を反映し,現代ヒト作家が即時かつ対人的義務を負うモーダル構成を取り入れたことが示唆された。

関連論文リスト

• How Human-Like Are Large Language Models? A Register-Aware Linguistic Evaluation Framework [0.47954782871066737]
  本研究では,人間的類似性を評価する文脈認識評価フレームワークを提案する。 我々は,最大平均離散性(MMD)と,Biberが導入した67の語彙文法的特徴を用いて,この枠組みを実装した。
  論文  参考訳（メタデータ） (2026-05-22T14:04:25Z)
• LLMs Exhibit Significantly Lower Uncertainty in Creative Writing Than Professional Writers [1.9036571490366498]
  人間の文章はモデル出力よりも極めて高い不確実性を示すことを示す。 命令調整モデルと推論モデルは,基本モデルと比較して,この傾向を悪化させることがわかった。
  論文  参考訳（メタデータ） (2026-02-18T03:19:12Z)
• On the Fallacy of Global Token Perplexity in Spoken Language Model Evaluation [88.77441715819366]
  大規模生音声で事前訓練された生成音声言語モデルは、適切な内容で音声プロンプトを継続することができる。 本稿では,グローバルトークンの難易度に代えて,多種多様な可能性・生成的評価手法を提案する。
  論文  参考訳（メタデータ） (2026-01-09T22:01:56Z)
• WESR: Scaling and Evaluating Word-level Event-Speech Recognition [59.21814194620928]
  音声は言語情報だけでなく、笑ったり泣いたりするような豊富な非言語的な音声イベントも伝達する。 我々は,21の発声イベントの分類を改良し,個別(スタンドアローン)と連続(音声と混合)に分類した。 改良された分類法に基づくWESR-Benchは,新しい位置認識プロトコルを備えた専門家アノテート評価セット(900以上の発話)である。
  論文  参考訳（メタデータ） (2026-01-08T02:23:21Z)
• Ruled by the Representation Space: On the University's Embrace of Large Language Models [0.0]
  本稿では,大学における大規模言語モデル(LLM)の急速な導入が学習,教育,研究に与える影響について考察する。 LLMを非批判的に採用することで、大学は、規範が民主的ではない生成的AIの分野であるヘテロノミーの分野に自治権を放棄する、と論じている。
  論文  参考訳（メタデータ） (2025-05-06T13:22:37Z)
• Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
  検索強化に関して,言語モデルの信頼性に焦点をあてる。 検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。 言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-10-22T09:25:21Z)
• Political Bias in LLMs: Unaligned Moral Values in Agent-centric Simulations [0.0]
  モーラル・ファンデーション理論アンケートにおいて,パーソナライズされた言語モデルと人間の反応がどのように一致しているかを検討する。 我々は、オープンソースの生成言語モデルを異なる政治的ペルソナに適応させ、これらのモデルを繰り返し調査し、合成データセットを生成する。 解析の結果,モデルが複数の繰り返しにまたがって不整合な結果をもたらし,高い応答差が生じることがわかった。
  論文  参考訳（メタデータ） (2024-08-21T08:20:41Z)
• Testing the Ability of Language Models to Interpret Figurative Language [69.59943454934799]
  比喩的・比喩的な言語は言論において一般的である。 現代の言語モデルが非リテラルなフレーズをどの程度解釈できるかについては、未解決の疑問が残る。 ウィノグラードスタイルの非文字言語理解タスクであるFig-QAを紹介する。
  論文  参考訳（メタデータ） (2022-04-26T23:42:22Z)
• Towards Language Modelling in the Speech Domain Using Sub-word Linguistic Units [56.52704348773307]
  音節や音素を含む言語単位に基づくLSTMに基づく新しい生成音声LMを提案する。 限られたデータセットでは、現代の生成モデルで要求されるものよりも桁違いに小さいので、我々のモデルはバブリング音声を近似する。 補助的なテキストLM,マルチタスク学習目標,補助的な調音特徴を用いた訓練の効果を示す。
  論文  参考訳（メタデータ） (2021-10-31T22:48:30Z)
• Pragmatic competence of pre-trained language models through the lens of discourse connectives [4.917317902787791]
  事前学習型言語モデル(LM)がNLPを支配し続けているため、これらのモデルにおける言語機能の深さを理解することがますます重要である。 談話接続性を予測するために実用的手がかりを使用するモデルの能力をテストすることに注力する。 自然に発生するデータのコンテキストにおいて、モデルが結合性を合理的に予測するが、高レベルの実用的手がかりを分離するためにコンテキストを制御する場合、モデル感度ははるかに低い。
  論文  参考訳（メタデータ） (2021-09-27T11:04:41Z)
• Lexically-constrained Text Generation through Commonsense Knowledge Extraction and Injection [62.071938098215085]
  我々は、ある入力概念のセットに対して妥当な文を生成することを目的としているcommongenベンチマークに焦点を当てる。 生成したテキストの意味的正しさを高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-19T23:23:40Z)

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。