論文の概要: When Persona Attributes Improve Population Alignment in Large Language Models
- arxiv url: http://arxiv.org/abs/2609.02526v1
- Date: Wed, 02 Sep 2026 12:30:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.332161
- Title: When Persona Attributes Improve Population Alignment in Large Language Models
- Title（参考訳）: ペルソナ属性が大規模言語モデルにおける個体数アライメントを改善するとき
- Abstract要約: ペルソナ・プロンプト(ペルソナ・プロンプト)とは、「ペルソナ」の短い文章による記述を用いて大きな言語モデルを操る実践のこと。
最近の研究は、成功と失敗の明確なパターンなしにペルソナが促す、混ざった部分的に矛盾した結果を生み出しています。
属性選択方法がどう機能するか、どのように選択するかは、まだ不明である。
- 参考スコア（独自算出の注目度）: 2.416660506672577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large Language Models (LLMs) are increasingly used to predict the responses of human participants in survey panels. Towards that goal, persona prompting has recently emerged as a technique to inform and align large pretrained language models. Persona prompting refers to the practice of using short textual descriptions of 'personas' in prompts to steer the LLM's generations. Personas describe individuals through different attributes such as their socio-demographics, attitudes, or behaviors, with the aim of aligning LLMs to produce responses that correlate with the corresponding human responses. Yet, recent work has produced mixed and partly conflicting results of persona prompting without clear patterns of success and failure. Among the few consistent findings is that the selection of persona attributes matters, and that using more attributes does not necessarily lead to better performance. It remains unclear how different attribute selection methods perform and how to choose among them. In this paper, we propose that observed human response variation of a survey question is a potential explanation for the mixed performance observed so far. In addition, we compare the performance of persona prompting associated with different methods for selecting persona attributes. We evaluate these methods on four different (general) social surveys across two countries, six LLMs, and twenty prediction tasks per survey. Our work helps to identify when persona prompting can be expected to be useful in survey prediction tasks, and provides new insights on the effectiveness of different attribute selection methods for LLM-based survey prediction using persona prompting.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、調査パネルにおける人間の反応を予測するために、ますます使われてきている。
その目標に向けて、ペルソナプロンプトは、最近、大きな事前訓練された言語モデルを通知し、調整する技術として登場した。
ペルソナ・プロンプト(ペルソナ・プロンプト)とは、LSMの世代を操るために「ペルソナ」の短い文章で記述する実践のこと。
ペルソナは、社会デコグラフィー、態度、行動などの異なる属性を通して個人を記述し、対応する人間の反応と相関する反応を生成するためにLSMを整列させることを目的としている。
しかし、最近の研究は、成功と失敗の明確なパターンなしにペルソナの混ざった部分的に矛盾した結果を生み出しました。
一貫性のある数少ない発見は、ペルソナ属性の選択が重要であり、より多くの属性を使用することが必ずしもより良いパフォーマンスをもたらすとは限らないことである。
属性選択方法がどう機能するか、どのように選択するかは、まだ不明である。
本稿では,これまで観察されてきた混合性能の潜在的な説明として,調査質問に対する人的応答の変動が示唆されている。
さらに,ペルソナ属性を選択するための異なる手法に関連するペルソナプロンプトの性能を比較した。
本研究では,2つの国,6つのLDM,20の予測タスクを対象に,これらの手法を4つの異なる(一般的な)社会調査で評価した。
本研究は,パーソナプロンプトが調査予測タスクに有効であることが期待できる時期の特定に役立ち,パーソナプロンプトを用いたLCMに基づくサーベイ予測における属性選択手法の有効性に関する新たな知見を提供する。
関連論文リスト
- From Classification to Ranking: Enhancing LLM Reasoning Capabilities for MBTI Personality Detection [25.825456002235967]
パーソナリティ検出は、ソーシャルメディア投稿を通じて個人の性格特性を測定することを目的としている。
既存のアプローチは、Large Language Models (LLMs)を活用してパーソナリティ特性分析を促進する
本稿では,人格検出のための強化学習訓練パラダイムを提案する。
論文 参考訳（メタデータ） (2026-01-26T15:28:43Z) - One Persona, Many Cues, Different Results: How Sociodemographic Cues Impact LLM Personalization [6.512258839228369]
ソシオデマトグラフィーサブグループによるLLMのパーソナライゼーションは、しばしばユーザー体験を改善するが、グループ間でバイアスや不公平な結果を導入または増幅することもできる。
従来の研究では、LPMのバイアスを研究するために、モデルに伝達されるいわゆるペルソナ(sosocidemographic user attribute)が用いられてきた。
我々は、オープンでプロプライエタリな7つのLDMに対して、4つの書き込みとアドバイスタスクで使用される6つのペルソナキューを比較した。
クエは全体的に高い相関関係にあるが、それらはペルソナ間での応答にかなりのばらつきをもたらす。
論文 参考訳（メタデータ） (2026-01-26T15:15:58Z) - What Makes a Good Natural Language Prompt? [72.3282960118995]
我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。
本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。
次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
論文 参考訳（メタデータ） (2025-06-07T23:19:27Z) - Deep Binding of Language Model Virtual Personas: a Study on Approximating Political Partisan Misperceptions [13.929713456538932]
本稿では,マルチターンインタビュー文として生成した合成ユーザ"バックストリー"を用いた仮想ペルソナ構築手法を提案する。
本研究の背景には,ヒトの反応分布を忠実に再現した仮想的ペルソナと,グループ内・グループ外バイアスのオリジナルの研究で観察されたものと密に一致した効果の大きさが示されている。
論文 参考訳（メタデータ） (2025-04-16T00:10:34Z) - When "A Helpful Assistant" Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models [34.831938712535084]
商用AIシステムは一般に、システムプロンプトにおけるLarge Language Models(LLM)の役割を定義している。
客観的タスクにおいて、異なるペルソナがモデルのパフォーマンスにどの程度影響するかは、まだ不明である。
6種類の対人関係と8つの専門領域を含む162のロールのリストをキュレートする。
論文 参考訳（メタデータ） (2023-11-16T17:48:55Z) - Sociodemographic Prompting is Not Yet an Effective Approach for Simulating Subjective Judgments with LLMs [13.744746481528711]
大規模言語モデル(LLM)は、様々な文脈で人間の反応をシミュレートするために広く使われている。
我々は,2つの主観的判断課題(丁寧さと攻撃性)において,人口差を理解する能力について,9つの人気のLCMを評価した。
ゼロショット設定では、両方のタスクのほとんどのモデルの予測は、アジアやブラックの参加者よりもホワイトの参加者のラベルとより密接に一致している。
論文 参考訳（メタデータ） (2023-11-16T10:02:24Z) - Do LLMs exhibit human-like response biases? A case study in survey
design [66.1850490474361]
大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。
アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。
9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
論文 参考訳（メタデータ） (2023-11-07T15:40:43Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Can ChatGPT Assess Human Personalities? A General Evaluation Framework [70.90142717649785]
大きな言語モデル(LLM)は、様々な分野で印象的な成果を上げてきたが、その潜在的な人間のような心理学はいまだに研究されていない。
本稿では,Mers Briggs Type Indicator (MBTI) テストに基づく人格評価のための総合評価フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-01T06:16:14Z) - Partner Matters! An Empirical Study on Fusing Personas for Personalized
Response Selection in Retrieval-Based Chatbots [51.091235903442715]
本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。
4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。
Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
論文 参考訳（メタデータ） (2021-05-19T10:32:30Z)
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。