論文の概要: How To Do Things With Prompts

• arxiv url: http://arxiv.org/abs/2609.29657v1
• Date: Sat, 29 Aug 2026 18:18:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.092302
• Title: How To Do Things With Prompts
• Title（参考訳）: プロンプトで物事をする方法
• Abstract要約: 本稿では,2000の英文プロンプトのコーパス・プラグマティック解析に音声行為と丁寧さ理論を適用した。 その結果,指示力の間接的,暗黙的,断片的実現に向けた一貫した動きが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When users address large language models, they produce directive speech acts whose pragmatic features differ from those of both everyday conversation and traditional human-computer interaction, and these features change as users gain familiarity with the systems they address. This paper applies speech act and politeness theory to a corpus-pragmatic analysis of 2,000 English-language prompts drawn from publicly shared ChatGPT conversations, 1,000 from 2023 and 1,000 from 2025, using the ShareChat dataset. Each prompt is annotated for illocutionary force, directness, propositional content, and the presence of politeness markers, and the distribution of these features is compared across the two sampling years. The results show a consistent movement toward indirect, implicit, and fragmentary realizations of directive force, accompanied by a decline in politeness marking. The largest single change, a shift of 14.9 percentage points, occurs in propositional content, where explicit specification of the requested action gives way to implicit reliance on the system's inferential capacity, suggesting that users have updated their model of what the system can recover from reduced input, treating it as a competent implicature resolver. Rather than asking whether LLMs "really" understand language, we should ask: what kind of language have we created in learning to speak to them?
• Abstract（参考訳）: ユーザーは大きな言語モデルに対処するとき、日常会話と従来の人間とコンピュータの相互作用の双方とは異なる現実的な特徴を持つ指示的音声行為を生成し、これらの特徴は、ユーザが対処するシステムに精通するにつれて変化する。 本稿では,2023年から1000,2025年から1,000のChatGPT会話から引き出された2000の英文プロンプトを,ShareChatデータセットを用いてコーパス・プラグマティック解析に音声行為と丁寧さ理論を適用した。 各プロンプトは, 刺激力, 直接性, 命題内容, 丁寧性マーカーの存在について注釈し, それらの分布を2年間にわたって比較した。 その結果, 間接的, 暗黙的, 断片的な指向力の実現に向けた一貫した動きがみられ, 丁寧なマーキングが低下した。 最大の単一変更は、14.9ポイントのシフトであり、要求されたアクションの明示的な仕様は、システムの推論能力に暗黙的な依存を与える。 LLMが言語を「本当に」理解しているかどうかを問うのではなく、次のような質問をするべきです。

関連論文リスト

• A Common Measure of Communication for Speech Brain-Computer Interfaces [1.826714999578514]
  音声脳-コンピュータインタフェース(音声BCI)は、神経活動を言語に翻訳する。 この約束にもかかわらず、システムは異なるデータセット、記録方法、音声の種類、語彙を使用するため、フィールドは共通の進歩の尺度を欠いている。 i) 音声BCIがユーザのコミュニケーションを可能とすべき単語の分布と,(ii) この分布から得られる情報がシステムにどの程度伝達できるか,という2つの未解決問題に対処する。 我々は、通常報告される精度、単語誤り率(WER)、その他のメトリクスが、システムがサポートしている単語でのみ計算されることを示す。
  論文  参考訳（メタデータ） (2026-09-02T17:59:46Z)
• Speak in Context: Multilingual ASR with Speech Context Alignment via Contrastive Learning [5.770962296305264]
  多様な言語とアクセントをサポートするコンテキスト対応多言語ASRフレームワークを提案する。 提案手法は,フリーズした音声エンコーダと,軽量プロジェクションモジュールによるデコーダのみの言語モデルを組み合わせたものである。 文脈入力は認識品質を継続的に改善することを示す。
  論文  参考訳（メタデータ） (2026-03-06T17:37:06Z)
• Dual Information Speech Language Models for Emotional Conversations [48.094826104102204]
  音声を入力として使用する言語モデル(SLM)が,将来性のあるソリューションとして浮上している。 我々は、絡み合った情報と不適切なトレーニング戦略を重要な課題として挙げる。 提案手法はパラ言語情報や言語情報を解き、SLMが構造化表現を通して音声を解釈することを可能にする。
  論文  参考訳（メタデータ） (2025-08-11T15:33:44Z)
• OmniCharacter: Towards Immersive Role-Playing Agents with Seamless Speech-Language Personality Interaction [123.89581506075461]
  OmniCharacter は,低レイテンシで没入型 RPA を実現するための対話型対話モデルである。 具体的には、OmniCharacterは、エージェントが相互作用を通して、ロール固有の性格特性と声質特性を一貫して表示できるようにする。 提案手法は,既存のRPAモデルや主流言語モデルと比較して,応答遅延を289msに抑えながら,内容とスタイルの両面で優れた応答が得られる。
  論文  参考訳（メタデータ） (2025-05-26T17:55:06Z)
• PersonaTAB: Predicting Personality Traits using Textual, Acoustic, and Behavioral Cues in Fully-Duplex Speech Dialogs [36.18860434920165]
  音声データセットにパーソナリティアノテーションがないために、パーソナリティを意識した会話エージェントが不足している。 本研究では、生音声録音を前処理して、タイムスタンプ、応答タイプ、感情・感覚ラベルを付加した対話データセットを作成するパイプラインを提案する。 自動音声認識(ASR)システムを用いて,テキストとタイムスタンプを抽出し,会話レベルのアノテーションを生成する。
  論文  参考訳（メタデータ） (2025-05-20T13:41:32Z)
• Leveraging Chain of Thought towards Empathetic Spoken Dialogue without Corresponding Question-Answering Data [33.85748258158527]
  共感的対話は人間とコンピュータの自然な相互作用に不可欠である。 大規模言語モデル(LLM)は、その強力な能力を活用して対話生成に革命をもたらした。 本稿では,質問応答データの必要性を回避する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-01-19T04:10:53Z)
• Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue [71.15186328127409]
  パラリンGPT(Paralin GPT) モデルは、シリアライズされたマルチタスクフレームワーク内の入力プロンプトとして、テキスト、音声埋め込み、およびパラ言語属性の会話コンテキストを取る。 音声対話データセットとして,感情ラベルをパラ言語属性として含むSwitchboard-1コーパスを利用する。
  論文  参考訳（メタデータ） (2023-12-23T18:14:56Z)
• KIT's Multilingual Speech Translation System for IWSLT 2023 [58.5152569458259]
  IWSLT 2023の多言語トラックに対する音声翻訳システムについて述べる。 このタスクは、様々な量のリソースを持つ10の言語に翻訳する必要がある。 我々のケースド音声システムは、科学的な話の翻訳において、エンドツーエンドの音声よりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-06-08T16:13:20Z)

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。