論文の概要: Faking Good and Faking Bad in LLMs: Response Distortion Across Dark Triad Personality Traits

• arxiv url: http://arxiv.org/abs/2609.17534v1
• Date: Fri, 10 Jul 2026 08:39:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.544634
• Title: Faking Good and Faking Bad in LLMs: Response Distortion Across Dark Triad Personality Traits
• Title（参考訳）: LLMの「良いもの」と「悪いもの」--ダークトライドパーソナリティを巡っての反応歪曲
• Abstract要約: 社会的望ましさと印象管理は、人格評価において、反応歪みの広汎な源泉である。 本研究では,同時代の大規模言語モデルが,偽善・偽悪条件下でのダークトライアドの表現を体系的に調節するか否かを考察する。
• 参考スコア（独自算出の注目度）: 0.17999333451993949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social desirability and impression management are pervasive sources of response distortion in human personality assessment, yet their effects on Large Language Models (LLMs) remain underexplored. This study investigates whether contemporary LLMs systematically modulate the expression of Dark Triad traits (Machiavellianism, narcissism, and psychopathy) under fake-good and fake-bad conditions. Seven state-of-the-art models were evaluated across two ecologically relevant contexts: employment selection and forensic evaluation, in which socially desirable or undesirable incentives were conveyed through contextual framing. Trait expression was measured using standard psychometric scoring procedures and compared with self-assessment baselines at both aggregate and item levels. Results revealed systematic and condition-consistent response modulation. Most models reduced Dark Triad scores under fake-good conditions and increased them under fake-bad conditions, although the magnitude and consistency of these effects varied across traits and models. Machiavellianism and narcissism showed the strongest and most coherent shifts, whereas psychopathy displayed greater heterogeneity. Context also influenced responses, with employment scenarios generally producing larger effects than forensic scenarios. An additional experiment showed that explicit fake-bad instructions generated substantially stronger distortions than contextual framing alone. The results suggest that personality-related outputs should be interpreted in light of the motivational and situational context in which they are elicited. More broadly, they highlight the value of psychometric paradigms for evaluating susceptibility to response distortion, impression management, and context-dependent behavioral shifts, with important implications for LLM benchmarking, alignment evaluation, and robustness assessment.
• Abstract（参考訳）: 社会的望ましさと印象管理は、人格評価において幅広い反応歪みの源となっているが、Large Language Models (LLMs) に対する影響は未解明のままである。 本研究では,現代LLMが偽善・偽悪条件下でダークトライアド特性(マキアベリアン主義,ナルシシズム,サイコパシー)を体系的に調節するか否かを検討する。 社会的に望ましいインセンティブや望ましくないインセンティブをコンテキストフレーミングを通じて伝達する、雇用選択と法医学的評価という、生態学的に関係のある2つの文脈において、最先端の7つのモデルが評価された。 トラト表現は, 標準心理測定法を用いて測定し, 総量および項目レベルでの自己評価ベースラインと比較した。 その結果, 系統的および条件整合性応答変調が認められた。 ほとんどのモデルでは、偽善条件下でダークトライアドのスコアを減らし、偽悪条件下でそれを増加させたが、これらの効果の大きさと一貫性は特性やモデルによって異なっていた。 マキアベリア主義とナルシシズムは最強で一貫性のある変化を示し、向精神症はより異質性を示した。 雇用シナリオは一般的に法医学的なシナリオよりも大きな効果を生み出す。 追加の実験では、明示的な偽バッド命令は文脈フレーミング単独よりもかなり強い歪みを生み出した。 以上の結果から,人格関連アウトプットは動機づけや状況に照らして解釈されるべきであることが示唆された。 より広義には、応答歪み、印象管理、文脈依存的な行動変化に対する感受性を評価するための心理学的パラダイムの価値を強調し、LLMベンチマーク、アライメント評価、ロバストネス評価に重要な意味を持つ。

関連論文リスト

• When simulations look right but causal effects go wrong: Large language models as behavioral simulators [10.754758699423022]
  大規模言語モデル (LLM) は、研究者が自然言語で個体群の特徴と介入状況を特定することを可能にする。 62か国59,508人の参加者を対象に,11の気候心理学的介入に関する3つのLCMを評価した。 説明的適合性は因果的忠実度(例えば、介入効果の正確な推定)に確実に変換されなかった
  論文  参考訳（メタデータ） (2026-04-02T18:42:29Z)
• Plausibility as Failure: How LLMs and Humans Co-Construct Epistemic Error [0.0]
  この研究は、異なる形のてんかんが出現し、マスクされ、人間のAI相互作用に許容されるかを調べる。 評価者はしばしば、正確性、妥当性、バイアス、基底性、一貫性などの基準を混同し、人間の判断が分析的区別を形と流布によって形づくられた直観に分解することを示す。 この研究は、LLMアセスメント、デジタルリテラシー、そして信頼できる人間AIコミュニケーションの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2025-12-18T16:45:29Z)
• Beyond Accuracy: Rethinking Hallucination and Regulatory Response in Generative AI [7.068082004005692]
  生成AIにおける幻覚は、しばしば、実際正しい出力を生成する技術的失敗として扱われる。 本稿では, 規制と評価の枠組みが幻覚の狭い見方をいかに受け継いだのかを批判的に考察する。
  論文  参考訳（メタデータ） (2025-09-12T19:41:10Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations [60.63340688538124]
  幻覚は、視覚言語モデル(VLM)で積極的に研究されている長年の問題である。 既存の研究は、幻覚は技術的な制限や梅毒のバイアスによるもので、後者はモデルがユーザの期待に沿う誤った回答を生み出す傾向があることを意味している。 本研究では, VLMの認知バイアスを分類し, サイコフィナンシー, 論理的不整合, 新たに同定された VLM の行動, 権威へのアピールなど, 幻覚へと導く。
  論文  参考訳（メタデータ） (2025-07-03T19:03:16Z)
• Quantitative Assessment of Intersectional Empathetic Bias and Understanding [0.0]
  多くの文献が、構成のゆるい定義に基づいて現在の共感の運用について批判している。 本稿では,その心理的起源に近い共感を運用する共感評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-08T18:43:15Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)

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。