論文の概要: Self-reported archetypes and behavioral failures in Large Language Models
- arxiv url: http://arxiv.org/abs/2609.15998v1
- Date: Thu, 09 Jul 2026 19:42:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.529946
- Title: Self-reported archetypes and behavioral failures in Large Language Models
- Title（参考訳）: 大規模言語モデルにおける自己報告型と行動障害
- Abstract要約: 22大言語モデル(LLM)の自己申告人格アーカイブをマップする。
それぞれのモデルは464のセマンティック・ディファレンシャルな特徴対に自己評価され、その結果のプロファイルは6次元の根尖空間に投影された。
オープンソースモデルはより弱く、ノイズが高く、内部的に矛盾する自己表現を示す。
- 参考スコア（独自算出の注目度）: 0.519980744168714
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Every large language model (LLM) has behavioral traits and moral preferences that comprise its character. Whether by design or as an emergent property of training, these systems exhibit persistent dispositions that shape how they interact, comply, resist, and err, yet the structure of LLM character remains poorly understood. We map the self-reported personality archetypes of 22 LLMs spanning closed-source frontier systems (GPT-4.0-5.2, Grok-3/4, Gemini 2.5 Pro/Flash, Claude Sonnet 4.5/4.6) and open-source models (Llama, DeepSeek, OLMo, and Qwen series). Each model self-rated across 464 bipolar semantic-differential trait pairs, and the resulting profiles were projected into a six-dimensional archetypal space derived from crowd-sourced ratings of 2,000 fictional characters using the Archetypometrics framework. Closed-source models' self-rating traits align with the empirical trait co-occurrence structure of human-rated fictional characters, suggesting coherent, human-like self-representations organized around combinations of four recurring archetypal dimensions: Hero, Angel, Traditionalist, and Geek. Their closest analogues include Data, Vision, and Janet. Open-source models show weaker, noisier, and internally contradictory self-representations, occupying a diffuse region of archetype space with weak structure. Cross-referencing self-reported profiles with developer constitutions reveals a consequential gap between claimed character and enacted behavior: hallucination undermines claimed precision, sycophancy complicates claimed kindness, and agentic failures contradict claimed obedience. These self-ratings should therefore be interpreted not as neutral measurements of model character, but as structured outputs of the same optimization processes that shape model behavior. This work provides a reproducible, character-grounded framework for evaluating what LLMs are, not just what they do.
- Abstract（参考訳）: あらゆる大きな言語モデル(LLM)には、その性格を構成する行動特性と道徳的嗜好がある。
設計や訓練の創発的な性質によって、これらのシステムは、どのように相互作用し、順応し、抵抗し、そして err を形作る持続的な配置を示すが、LLM文字の構造はいまだに理解されていない。
クローズドソースフロンティアシステム(GPT-4.0-5.2、Grok-3/4、Gemini 2.5 Pro/Flash、Claude Sonnet 4.5/4.6)とオープンソースモデル(Llama、DeepSeek、OLMo、Qwenシリーズ)にまたがる22のLDMの自己報告されたパーソナリティアーチタイプをマップする。
各モデルは、464の双極性セマンティック・ディファレンシャルな特徴対に対して自己評価を行い、その結果のプロファイルはArcetypometricsフレームワークを用いて2000の架空のキャラクターのクラウドソースによる評価から導かれた6次元のアルカイパル空間に投影された。
クローズドソースモデルの自己形成特性は、人間の評価された架空のキャラクターの経験的特性の共起構造と一致し、ヒーロー、エンジェル、伝統主義、ギークの4つの連続した根本的次元の組み合わせを中心に構成された、一貫性のある人間のような自己表現を示唆している。
彼らの最も近い例は、Data、Vision、Janetである。
オープンソースモデルはより弱く、ノイズが高く、内部的に矛盾する自己表現を示し、弱構造を持つアーキタイプ空間の拡散領域を占有する。
開発者構成と相互に報告された自己報告プロファイルは、主張された性格と実行された行動の間に連続したギャップを露呈している:幻覚は主張された正確さを損なう、梅毒は主張された優しさを複雑にし、エージェント的失敗は主張された従順性に矛盾する。
したがって、これらの自己評価は、モデルキャラクタの中立的な測定ではなく、モデル挙動を形作る同じ最適化プロセスの構造化出力として解釈されるべきである。
この作業は、LLMが何をしているかを評価するために、再現可能な、文字を基底としたフレームワークを提供する。
関連論文リスト
- Paying More Attention to Visual Tokens in Self-Evolving Large Multimodal Models [54.097381112138]
現在の自己進化型LMMは、イメージキャプションや視覚的質問応答といった視覚言語理解タスクに苦慮している。
モデルの視覚条件を直接正規化する,純粋に教師なしの自己進化型フレームワークであるVISEを提案する。
VISEは、専門的な役割、外部報酬モデル、アノテーションなしで単一のモデル内で動作します。
論文 参考訳（メタデータ） (2026-06-25T17:59:55Z) - Traits Run Deeper: Trait-Specific Asymmetric Fusion for Personality Assessment [53.50824432699408]
Traits Run Deeperは、新しいパーソナリティアセスメントフレームワークである。
MFR(Multimodal Foundation Representation)、TSMF(Trit-Specific Modality Fusion)、DCPR(Distributed-Calibrated Personality Regression)の3つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2026-06-09T06:38:36Z) - Seirênes: Adversarial Self-Play with Evolving Distractions for LLM Reasoning [56.48520300004217]
本稿では、文脈干渉を内部の訓練信号に変換するセルフプレイのRLフレームワークであるSeyrnesを紹介する。
単一のモデルでは、可視的かつ気を散らすようなコンテキストの構築と、それ自身で盲点を露呈するように訓練されている。
これらの競合する目標を互いに衝突させることで、Sailnes氏は、表面的なパターンマッチングを超えてモデルを補完する。
論文 参考訳（メタデータ） (2026-05-12T06:58:35Z) - Intrinsic Guardrails: How Semantic Geometry of Personality Interacts with Emergent Misalignment in LLMs [9.485206628921857]
有害な微調整はモデルの内部表現を上書きしないことを示す。
その結果,有害な微調整がモデルの内部表現を上書きしないことが示唆された。
論文 参考訳（メタデータ） (2026-05-11T14:21:57Z) - MTI: A Behavior-Based Temperament Profiling System for AI Agents [4.358468367889626]
モデルテンペラメント指数(MTI)は,4軸にわたるAIエージェントのテンペラメントを測定する行動ベースのプロファイリングシステムである。
MTIは、自分たちが何を言っているのかではなく、エージェントが何をするのかを、2段階の設計で構造化された検査プロトコルを使って測定する。
論文 参考訳（メタデータ） (2026-04-02T15:15:57Z) - Decoding Emergent Big Five Traits in Large Language Models: Temperature-Dependent Expression and Architectural Clustering [0.11458853556386796]
本稿では,6つの大言語モデル(LLM)を体系的に評価する。
Big Five Inventory-2 フレームワークを応用し、様々なサンプリング温度下で特性表現を評価する。
5つの人格次元のうち4つに有意な差がみられ, 体温調整による神経症と外転がみられた。
論文 参考訳（メタデータ） (2025-11-06T16:20:52Z) - Large Language Model Sourcing: A Survey [84.63438376832471]
大規模言語モデル(LLM)は人工知能に革命をもたらし、目的的タスクのサポートから主観的な意思決定の強化へと移行した。
LLMのブラックボックスの性質と生成したコンテンツの人間的品質のため、幻覚、偏見、不公平さ、著作権侵害などの問題が重要になる。
本研究は,4つの相互関連次元を中心に整理されたLCMによるコンテンツの出所追跡について,系統的研究を行った。
論文 参考訳（メタデータ） (2025-10-11T10:52:30Z) - Behavioral Fingerprinting of Large Language Models [35.18856642496912]
現在のLLM(Large Language Models)のベンチマークは主にパフォーマンス指標に焦点を当てている。
本稿では,従来の評価を超越した行動フィンガープリントの枠組みを提案する。
論文 参考訳（メタデータ） (2025-09-02T07:03:20Z) - SAC: A Framework for Measuring and Inducing Personality Traits in LLMs with Dynamic Intensity Control [1.9282110216621835]
大規模言語モデル(LLM)は近年,幅広い分野において大きな注目を集めている。
また、対話中に人間のような個性を表示するという期待も高まりつつある。
既存のモデルは2つの大きな制限に直面している。それらは、粗いパーソナリティ次元のみを提供するBig Five (OCEAN)フレームワークに依存しており、特性強度を制御するメカニズムが欠如している。
論文 参考訳（メタデータ） (2025-06-26T04:12:15Z) - Factual Self-Awareness in Language Models: Representation, Robustness, and Scaling [56.26834106704781]
大規模言語モデル(LLM)のユビキタス展開における主要な関心事の一つは、生成されたコンテンツの事実的誤りである。
我々は, LLMの内部コンパスの存在を裏付ける証拠を提供し, 生成時の事実的リコールの正しさを規定する。
モデルサイズにわたる実験のスケールとトレーニングのダイナミクスは、トレーニング中に自己認識が急速に出現し、中間層でピークとなることを浮き彫りにしている。
論文 参考訳（メタデータ） (2025-05-27T16:24:02Z) - Towards Understanding Text Hallucination of Diffusion Models via Local Generation Bias [76.85949078144098]
本稿では,拡散モデルが個々のシンボルを正しく生成するが,それらを意味のない方法で組み立てるテキスト幻覚に焦点を当てる。
このような現象は,ネットワークの局所的生成バイアスに起因すると考えられる。
また、ハイパーキューブ上の2層学習パリティポイントを含む特定のケースのトレーニングダイナミクスを理論的に解析する。
論文 参考訳（メタデータ） (2025-03-05T15:28:50Z)
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。