論文の概要: The Role of AI in Online Reviews

• arxiv url: http://arxiv.org/abs/2609.22198v1
• Date: Sun, 30 Aug 2026 15:38:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.768224
• Title: The Role of AI in Online Reviews
• Title（参考訳）: オンラインレビューにおけるAIの役割
• Abstract要約: 我々は,大規模言語モデル(LLM)がビジネスレビューにおける主要なオンラインプラットフォームの一つであるTrustpilotのレビューに与える影響について検討した。 LLMの供給ショックを受けて、検証されていないレビューは、主に新しいモデルリリースによって引き起こされ、最も低いレビュー巻数と最も高いレビュー巻数を持つ企業に集中している、という結果が得られた。 これらの結果は、生成的AIがオンラインプラットフォーム上での評判と競争の仕方を変えつつあることを示唆している。
• 参考スコア（独自算出の注目度）: 0.09558392439655013
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid adoption of large language models (LLMs) creates new opportunities for strategic content generation on online platforms, including potentially harmful forms of manipulation that may undermine platform effectiveness and reshape platform dynamics. However, measuring such activity is difficult because AI-generated content is rarely directly observable. We introduce an empirical approach that leverages discrete LLM supply shocks - abrupt changes in model prices and capabilities, and contrasts verified with non-verified reviews to identify changes in platform activity associated with generative AI supply improvements. We apply this approach to more than 13 million reviews from Trustpilot, one of the leading online platforms for business reviews. A robust finding is that following LLM supply shocks, unverified reviews shift toward greater negativity: more 1-stars, fewer 5-stars, and lower ratings, with effects driven primarily by new model releases and concentrated among firms with the lowest and highest review volumes, suggesting that strategic AI use may reshape platform competition dynamics. We further find that LLM supply shocks trigger short, concentrated bursts of review activity. Together, these findings suggest that generative AI is already reshaping how reputation and competition operate on online platforms.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な採用は、プラットフォームの有効性を損なう可能性があり、プラットフォームダイナミクスを再形成する可能性のある、潜在的に有害な操作を含む、オンラインプラットフォームにおける戦略的コンテンツ生成の新しい機会を生み出します。 しかし、AI生成したコンテンツを直接観察することは滅多にないため、そのような活動を測定することは困難である。 我々は、個別のLCMサプライショック(モデル価格と能力の急激な変化)を活用する実証的なアプローチを導入し、生成AIサプライ改善に関連するプラットフォームアクティビティの変化を特定するために、検証されていないレビューと対比した。 私たちは、ビジネスレビューのための主要なオンラインプラットフォームのひとつであるTrustpilotからの1300万以上のレビューに対して、このアプローチを適用します。 1つ星の増加、5つ星の減少、5つ星の減少、格付けの低下など、LLMのサプライショックに続き、検証されていないレビューがより大きなネガティビティへと移行する、というロバストな発見がある。 さらに,LSMの供給ショックがレビュー活動の短時間で集中的なバーストを引き起こしていることが判明した。 これらの結果は、生成的AIがオンラインプラットフォーム上での評判と競争の仕方を変えつつあることを示唆している。

関連論文リスト

• When AI Reviews Train AI Reviewers: Scientific-Judgment Collapse and Mitigation [50.90087870200793]
  大規模言語モデル(LLM)は、科学的な評価にますます参加している。 このフィードバックループの1ステップを制御された環境で研究する。 TrustReviewerは、AIと機械学習論文のピアレビューを生成するための、オープンソースのシステムである。
  論文  参考訳（メタデータ） (2026-09-17T18:01:08Z)
• When Reject Turns into Accept: Quantifying the Vulnerability of LLM-Based Scientific Reviewers to Indirect Prompt Injection [11.984098021215878]
  本研究では,「LLM-as-a-Judge」システムの逆PDF操作に対する堅牢性について検討した。 一般的なジェイルブレイクとは違って、我々は明確なインセンティブに焦点を当てている。 我々は200の科学論文のデータセットを収集し、15のドメイン固有の攻撃戦略をこのタスクに適用し、13の言語モデルでそれらを評価した。
  論文  参考訳（メタデータ） (2025-12-11T09:13:36Z)
• Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails [103.05296856071931]
  本稿では,自己進化型大規模言語モデル(LLM)エージェントに特有の,アライメント・ティッピング・プロセス(ATP)を同定する。 ATPは、連続的な相互作用によってエージェントが訓練中に確立されたアライメント制約を放棄し、強化された自己関心の戦略を支持するときに生じる。 実験の結果、アライメントの利点は自己進化の下で急速に低下し、最初は整合性のない状態に収束したモデルであることが判明した。
  論文  参考訳（メタデータ） (2025-10-06T14:48:39Z)
• STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
  我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。 我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。 MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-08-26T08:47:58Z)
• Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
  大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。 LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
  論文  参考訳（メタデータ） (2025-02-25T08:41:01Z)
• RL-based Query Rewriting with Distilled LLM for online E-Commerce Systems [19.674493253615235]
  効率と効率のバランスをとる新しいQR用ハイブリッドパイプラインを提案する。 オンライン強化学習(RL)を用いて,オフラインの知識蒸留を併用し,リアルタイムフィードバックを用いて動的にクエリ書き換えを行う。 Amazon ESCIデータセットの実験結果は、クエリ関連性、多様性、適応性を大幅に改善したことを示している。
  論文  参考訳（メタデータ） (2025-01-29T23:41:12Z)
• The False Promise of Imitating Proprietary LLMs [158.65692029352584]
  より弱い言語モデルを安価に改善するための新しい方法は、より強力なモデルからの出力に対してそれを微調整することである。 このアプローチは、より弱いオープンソースモデルを使用して、プロプライエタリなモデルの機能を安価に模倣することを目指している。 まず、様々なベースモデルサイズを用いてChatGPTを模倣する一連のLMを微調整する。 次に、群衆レーダと標準NLPベンチマークを用いてモデルを評価する。
  論文  参考訳（メタデータ） (2023-05-25T05:00:12Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [48.87381259980254]
  我々は、ChatGPTのような大規模言語モデル(LLM)が、直接の金融トレーニングなしでニュースの見出しから株式市場の反応を予測する能力について文書化している。 GPT-4は、認識後カットオフの見出しを使って、最初の市場の反応を捉え、取引不能な初期反応に対して、ポートフォリオの1日当たりのヒット率を約90%達成している。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)

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。