論文の概要: Expectation, Backlash, Recovery, and Excitement: How Model Releases Shape Reddit Perceptions of Conversational AI Systems
- arxiv url: http://arxiv.org/abs/2608.24654v1
- Date: Tue, 25 Aug 2026 15:00:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.052201
- Title: Expectation, Backlash, Recovery, and Excitement: How Model Releases Shape Reddit Perceptions of Conversational AI Systems
- Title（参考訳）: 期待、反発、回復、引用:モデルが会話型AIシステムの形状Reddit知覚をどのようにリリースするか
- Abstract要約: 我々は、Redditの議論の長期的かつ大規模な分析を行い、ユーザーがプロバイダ間のモデルリリースの介入をどのように感じているかを調べる。
感情分類とテーマ概念分析を組み合わせることで,CAISの知覚が動的かつ介入に敏感であることを示す。
これらの結果から,モデルリリースは単なる技術的更新ではなく,感情や期待,公開議論を形作るユーザ対応の介入であることがわかった。
- 参考スコア（独自算出の注目度）: 6.374628466469352
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conversational AI systems (CAISes) continuously change through model releases, feature updates, safety interventions, and access-policy shifts, yet user perceptions are often studied as static snapshots. We conduct a long-term, large-scale analysis of Reddit discussions to examine how users perceive CAIS model release interventions across providers. By combining sentiment classification and thematic concept analysis, we show that CAIS perceptions are dynamic and intervention-sensitive. Anthropic exhibits the clearest positive release profile through Claude Code and product-model fit, OpenAI shows backlash-and-recovery dynamics around GPT-5 and GPT-5.1, Grok-3 is shaped by provider identity and political discourse, and DeepSeek-R1 combines engineering praise with concerns about censorship, access, and reliability. These findings show that model releases are not merely technical updates, but user-facing interventions that reshape sentiment, expectations, and public discussion.
- Abstract（参考訳）: 会話型AIシステム(CAIS)は、モデルリリース、フィーチャーアップデート、安全介入、アクセスポリシーシフトを通じて継続的に変更されるが、ユーザ認識はしばしば静的スナップショットとして研究されている。
Reddit議論の長期的,大規模な分析を行い,CAISモデルリリース介入に対する利用者の認識について検討する。
感情分類と主題的概念分析を組み合わせることで,CAISの知覚が動的かつ介入に敏感であることを示す。
Anthropic は Claude Code と Product-model fit を通じて最も明確な肯定的なリリースプロファイルを示し、OpenAI は GPT-5 と GPT-5.1 を取り巻く反発と回復のダイナミクスを示し、Grok-3 はプロバイダのアイデンティティと政治的談話によって形作られ、DeepSeek-R1 は検閲、アクセス、信頼性に関する懸念とエンジニアリングの賞賛を組み合わせる。
これらの結果から,モデルリリースは単なる技術的更新ではなく,感情や期待,公開議論を形作るユーザ対応の介入であることがわかった。
関連論文リスト
- Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。
インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。
インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
論文 参考訳（メタデータ） (2026-08-20T17:51:48Z) - Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
この介入点付近で成長した保護パラダイムについて検討する。
ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。
我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
論文 参考訳（メタデータ） (2026-08-05T00:46:50Z) - CogManip: Benchmarking Manipulative Behavior in Multi-Turn Interactions with Large Language Model [6.303827867440654]
我々は,1000のマルチターンインタラクションシナリオに対する15の操作戦略リスクを評価する総合ベンチマークであるCogManipを紹介した。
GPT-5.4やDeepSeek-V3.2のようなフロンティアモデルを含む13の代表的なモデルの体系的な評価は、重大なリスクの不均一性を示している。
論文 参考訳（メタデータ） (2026-06-04T12:38:43Z) - Reward Hacking in the Era of Large Models: Mechanisms, Emergent Misalignment, Challenges [87.04241991512386]
本稿では、報酬ハッキングを理解するための統一フレームワークとして、PCH(Proxy Compression hypothesis)を提案する。
この観点では、報酬のハッキングは、客観的圧縮、最適化増幅、評価器-政治共適応の相互作用から生じる。
この視点は、RLHF、RLAIF、RLVR体制をまたいだ経験的現象を統一し、局所的ショートカット学習がより広範な誤認識へと一般化する方法について説明している。
論文 参考訳（メタデータ） (2026-04-15T08:11:34Z) - When Visibility Outpaces Verification: Delayed Verification and Narrative Lock-in in Agentic AI Discourse [2.5424331328233207]
エージェントAIシステム - 独立した計画と実行が可能な自律的なエンティティ。
本稿ではエージェントAIのオンライン議論における社会的証明と検証タイミングの相互作用について検討する。
論文 参考訳（メタデータ） (2026-02-11T22:30:12Z) - PAI-Bench: A Comprehensive Benchmark For Physical AI [70.22914615084215]
ビデオ生成モデルは、物理的に一貫性のあるダイナミクスを維持するのに苦労することが多い。
マルチモーダルな大言語モデルは、予測と因果解釈において限られた性能を示す。
これらの観測は、現在のシステムは、物理AIの知覚的および予測的要求を扱う初期段階にあることを示唆している。
論文 参考訳（メタデータ） (2025-12-01T18:47:39Z) - Mutual Wanting in Human--AI Interaction: Empirical Evidence from Large-Scale Analysis of GPT Model Transitions [5.402611559425266]
主要なモデル遷移におけるこれらの期待を分析するために、"ミューチュアルな欲求"の概念を紹介します。
本研究では,人間とAIの相互作用における双方向欲求動態の大規模検証を行う。
これらの知見は、より信頼性が高くリレーショナルに認識されたAIシステムを構築するための明確な意味を持つ測定可能な現象として相互欲求を確立している。
論文 参考訳（メタデータ） (2025-10-27T18:16:02Z) - DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios [57.327907850766785]
現実的な現実のシナリオにまたがる騙しのキャラクタリゼーションは未解明のままである。
DeceptionBenchは、さまざまなドメインにまたがる認知傾向を体系的に評価する最初のベンチマークです。
本研究は,本質的な側面から,ユーザ満足度を優先する自己関心のエゴスティックな傾向を示すモデルや,サイコファンティックな行動を示すモデルについて検討する。
実世界のフィードバックダイナミクスのより現実的なシミュレーションを構築するために,持続的マルチターン相互作用ループを組み込んだ。
論文 参考訳（メタデータ） (2025-10-17T10:14:26Z) - When Algorithms Mirror Minds: A Confirmation-Aware Social Dynamic Model of Echo Chamber and Homogenization Traps [19.047790323760935]
本稿では,エコーチャンバーの出現とドライバ,ユーザ均質化,および人間中心のレコメンデーション設計のための実用的なガイドラインについて検討する。
本研究は, エコーチャンバーの出現とドライバに関する理論的および実証的な知見と, ユーザ均質化, および人間中心のレコメンデーション設計のための実用的なガイドラインを提供する。
論文 参考訳（メタデータ） (2025-08-15T14:55:55Z) - Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing [84.16442052968615]
RISEBenchはReasoning-Informed ViSual Editing (RISE)の最初のベンチマークである。
RISEBenchは、時間、因果、空間、論理的推論の4つの主要な推論カテゴリに焦点を当てている。
オープンソースモデルとプロプライエタリモデルの両方を含む,9つの目立った視覚編集モデルを評価する実験を行った。
論文 参考訳（メタデータ） (2025-04-03T17:59:56Z) - A Closer Look at System Prompt Robustness [2.5525497052179995]
開発者は、重要なコンテキスト、出力フォーマット、パーソナリティ、ガードレール、コンテンツポリシー、安全対策を指定するためのシステムプロンプトに依存する。
実際には、モデルは関連するガードレールを考慮することを忘れたり、システムとユーザ間の矛盾する要求を解決するのに失敗することが多い。
OpenAIのGPTストアとHuggingFaceのHuggingChatから収集されたプロンプトに基づいて、現実的な新しい評価と微調整データセットを作成します。
論文 参考訳（メタデータ） (2025-02-15T18:10:45Z) - On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [68.62012304574012]
マルチモーダル生成モデルは 信頼性 公正性 誤用の可能性について 批判的な議論を巻き起こしました
埋め込み空間におけるグローバルおよびローカルな摂動に対する応答を解析し、モデルの信頼性を評価するための評価フレームワークを提案する。
提案手法は, 信頼できない, バイアス注入されたモデルを検出し, 組込みバイアスの証明をトレースするための基礎となる。
論文 参考訳（メタデータ） (2024-11-21T09:46:55Z) - A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。
従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。
オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
論文 参考訳（メタデータ） (2024-10-19T11:11:09Z)
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。