論文の概要: Synthetic Linguistic Agency: How an Embodied Mortal Agent Learns Linguistic Affordances through Consequential Social Experience

• arxiv url: http://arxiv.org/abs/2608.27843v1
• Date: Fri, 28 Aug 2026 02:23:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.18256
• Title: Synthetic Linguistic Agency: How an Embodied Mortal Agent Learns Linguistic Affordances through Consequential Social Experience
• Title（参考訳）: 合成言語学エージェンシー:社会経験を通して、身体的生命エージェントが言語学上の経験をいかに学ぶか
• Abstract要約: 言語・緊急理論は、この欠落した関係を言語機関として認識している。 言語強化学習モデルを構築し,それを身体的生命エージェントでインスタンス化する。 制御された実験は、言語選択がEMAの身体と社会史に依存することを示している。
• 参考スコア（独自算出の注目度）: 4.927307029246323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contemporary language models can converse fluently and influence human decisions, yet their exchanges do not enter a continuing, vulnerable life of their own. Linguistic-agency theory identifies this missing connection as linguistic agency and characterizes it through embodiment, linguistic participation, and precariousness: a body that acts and bears consequences, interaction that changes both agent and partner, and a future that can be sustained or lost. Two coordinated studies examine how this organization can appear in artificial systems. First, we translate these relations into inspectable criteria for Synthetic Linguistic Agency (SLA) and identify several existing SLA systems. Second, building on Homeostatically Regulated Reinforcement Learning, we develop a mortality-grounded linguistic-reinforcement-learning model and instantiate it in an Embodied Mortal Agent (EMA). The EMA learns how ways of speaking change a partner's willingness to protect it and chooses expressions by considering what those responses mean for its remaining life. Controlled experiments show that linguistic choices depend on the EMA's body and social history, change partner behavior, and adapt through experience with particular partners. When bodily consequences persist, linguistic choices alter the future of the same life; when the body is reset, their social effects remain but no longer shape continued viability. The resulting EMA exhibits SLA under our operational definition. This work motivates further research on synthetic empathy and strategic human-AI interaction: how artificial agents with persistent bodies, histories, and futures might develop and express empathy, and how people might care for, negotiate with, or govern them.
• Abstract（参考訳）: 現代言語モデルは、流動的に会話し、人間の決定に影響を及ぼすことができるが、彼らの交換は、自分自身の継続的な脆弱な生活には入らない。 言語的・緊急理論は、この欠落した関係を言語的エージェンシーとして認識し、それを具体化、言語的関与、そして不気味さによって特徴づける: 行動し、結果に耐える身体、エージェントとパートナーの両方を変える相互作用、そして持続または失われた未来である。 2つの協調研究は、この組織が人工システムにどのように現れるかを研究する。 まず、これらの関係を合成言語庁(SLA)の検査可能な基準に変換し、既存のSLAシステムを特定する。 第2に,ホメオスタティック・レギュレーション・強化学習を基盤とした言語強化学習モデルを構築し,それを身体死エージェント(EMA)にインスタンス化する。 EMAは、相手がそれを守ろうとする意思をどう変えるかを学び、その反応が生き残るために何を意味するかを考えることで表現を選択する。 制御された実験は、言語選択がEMAの身体と社会史に依存し、パートナーの行動を変え、特定のパートナーとの体験を通じて適応することを示しています。 身体的な結果が続くと、言語的選択は同じ生命の未来を変え、身体がリセットされると、その社会的影響は残るが、もはや形は持続しない。 結果として得られたEMAは、私たちの運用定義の下でSLAを示します。 この研究は、合成共感と戦略的人間とAIの相互作用に関するさらなる研究を動機付けている: 永続的な身体、歴史、未来を持つ人工エージェントが、どのように共感を発達させ、表現するか、人々がそれらをどう気にするか、交渉し、支配するか。

関連論文リスト

• Do LLM Agents Mirror Socio-Cognitive Effects in Power-Asymmetric Conversations? [17.917161111978853]
  我々は,大規模言語モデル (LLM) が高位または低位のペルソナに割り当てられた場合に類似した振る舞いを示すか否かを検討する。 多様な専門職のペルソナを用いて、マルチターン、パワー非対称な対話、および(i)言語調整、(ii)代名詞使用、(iii)説得成功、(iv)安全でない要求に対するコンプライアンスをシミュレートする。
  論文  参考訳（メタデータ） (2026-05-17T23:23:45Z)
• The ICASSP 2026 HumDial Challenge: Benchmarking Human-like Spoken Dialogue Systems in the LLM Era [95.35748535806744]
  我々はICASSP 2026で最初のヒューマンライクな音声対話システムチャレンジ(HumDial)を開催する。 本稿では,データセット,トラック構成,最終結果について概説する。
  論文  参考訳（メタデータ） (2026-01-09T06:32:30Z)
• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• SocialEval: Evaluating Social Intelligence of Large Language Models [70.90981021629021]
  ソーシャルインテリジェンス(英語版) (SI) は、社会的目標を達成するために社会的相互作用をナビゲートする際に賢明に行動する対人能力を持つ人間を装備する。 結果指向の目標達成評価とプロセス指向の対人能力評価という,運用評価パラダイムを提示する。 スクリプトベースのバイリンガルSIベンチマークであるSocialEvalを提案する。
  論文  参考訳（メタデータ） (2025-06-01T08:36:51Z)
• From Grunts to Lexicons: Emergent Language from Cooperative Foraging [20.244755635543314]
  マルチエージェントフォーエイジングゲームにおける言語の出現について検討する。 エージェントは、他のエージェントや環境に関する部分的な知識だけで、共有グリッドの世界で動作します。 エンドツーエンドの深層強化学習を使用して、エージェントはアクションとコミュニケーション戦略の両方をゼロから学ぶ。 我々は,それぞれの特性を定量化し,人口規模,社会動態,時間的依存など,創発的言語の特定の側面を形作る要因がどのように異なるかを分析する。
  論文  参考訳（メタデータ） (2025-05-19T08:57:30Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Cross-Lingual Speech Emotion Recognition: Humans vs. Self-Supervised Models [16.0617753653454]
  本研究では,人間のパフォーマンスとSSLモデルの比較分析を行った。 また、モデルと人間のSER能力を発話レベルとセグメントレベルの両方で比較する。 その結果,適切な知識伝達を行うモデルでは,対象言語に適応し,ネイティブ話者に匹敵する性能が得られることがわかった。
  論文  参考訳（メタデータ） (2024-09-25T13:27:17Z)
• Transforming Agency. On the mode of existence of Large Language Models [0.0]
  本稿では,ChatGPTのような大規模言語モデル(LLM)のオントロジ的特徴について検討する。 また,ChatGPTは,言語オートマトンやインターロケータ,言語オートマトンとして特徴付けられるべきだと論じる。
  論文  参考訳（メタデータ） (2024-07-15T14:01:35Z)
• The Neuro-Symbolic Inverse Planning Engine (NIPE): Modeling Probabilistic Social Inferences from Linguistic Inputs [50.32802502923367]
  確率的目標推論領域における言語駆動の過程と社会的推論への影響について検討する。 本稿では,エージェントシナリオの言語入力から目標推定を行うニューロシンボリックモデルを提案する。 我々のモデルは人間の反応パターンと密に一致し、LLM単独の使用よりも人間の判断をより良く予測する。
  論文  参考訳（メタデータ） (2023-06-25T19:38:01Z)
• Dissociating language and thought in large language models [52.39241645471213]
  大規模言語モデル(LLM)は、人間の言語を習得する上で、今までに最も近いモデルである。 我々は、この区別を人間の神経科学に根ざし、形式的、機能的な能力は異なる神経機構に依存していることを示した。 LLMは形式的能力は驚くほど優れているが、機能的能力のタスクにおける性能はいまだに不明瞭である。
  論文  参考訳（メタデータ） (2023-01-16T22:41:19Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• Generating Emotionally Aligned Responses in Dialogues using Affect Control Theory [15.848210524718219]
  感情制御理論(Affect Control Theory、ACT)は、人間と人間の相互作用に対する感情の社会的・数学的モデルである。 本研究では、ACTが感情認識型神経会話エージェントの開発にどのように役立つかを検討する。
  論文  参考訳（メタデータ） (2020-03-07T19:31:08Z)

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。