論文の概要: On the Behavioral Traits of LLM Agents

• arxiv url: http://arxiv.org/abs/2609.32776v1
• Date: Sat, 26 Sep 2026 16:51:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:26:34.840472
• Title: On the Behavioral Traits of LLM Agents
• Title（参考訳）: LLM剤の挙動特性について
• Abstract要約: 行動データ(Bデータ)から特徴量のボトムアップを推定するためのA-B-Dを提案する。 80のモデル、12のタスク、50のハーネスにまたがる実世界の345,667の軌道から、318の候補特徴を抽出した。 例えば、Kim-K3は最も計画的で、GPT-5.5とGPT-5.6は最もエネルギーが少ない。
• 参考スコア（独自算出の注目度）: 31.80051498538864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Users increasingly describe different AI agents as distinct colleagues to work with. AI personality research aims to quantify such impressions by attributing human-like "traits" to agents. However, existing measures fall short: models' self-reports (S-data) diverge from their actual behavior, while informant ratings from LLM judges (I-data) are costly to scale and cover few everyday scenarios. In this paper, we propose A-B-D to infer traits bottom-up from behavioral data (B-data), namely how agents act on their environment and communicate with users, as recorded in existing trajectories. From 345,667 real-world trajectories spanning 80 models, 12 tasks, and 50 harnesses, we extract 318 candidate features that capture both the actions an agent takes at each step (functional) and the language accompanying them (linguistic). We retain only features that show instance-level stability, cross-task consistency, and model discriminability. Factor analysis of the remaining 79 features uncovers six stable, model-attributable factors, two functional and four linguistic. For example, Kimi-K3 exhibits the most planfulness, whereas GPT-5.5 and GPT-5.6 are the least energetic. Moreover, we quantify the "knowledge-action gap" in the wild: these factors correlate only weakly with self-reported Big Five scores, even for conceptually matched pairs such as extroversion and energetic (r = 0.07, p = 0.58). Our work offers a new lens for understanding AI personality, with implications for users, developers, and researchers from both computer science and social science.
• Abstract（参考訳）: ユーザーは、異なるAIエージェントを、より異なる同僚として扱うようになる。 AIパーソナリティ研究は、エージェントに人間のような「トレート」をもたらすことによって、そのような印象を定量化することを目的としている。 モデルの自己申告(S-data)が実際の行動から逸脱するのに対して、LCMの審査員(I-data)からの情報的評価(I-data)は、日々のシナリオを拡大しカバーするのに費用がかかる。 本稿では,行動データ(Bデータ)から特徴量のボトムアップを推定するためのA-B-Dを提案する。 80のモデル、12のタスク、50のハーネスにまたがる345,667の現実世界の軌道から、エージェントが各ステップ(機能)で取るアクションとそれに伴う言語(言語)をキャプチャする318の候補特徴を抽出する。 インスタンスレベルの安定性、タスク間の一貫性、モデルの識別可能性を示す機能のみを保持します。 残りの79の因子分析では、6つの安定なモデル帰属因子、2つの機能的、4つの言語的要因が明らかになった。 例えば、Kim-K3は最も計画的で、GPT-5.5とGPT-5.6は最もエネルギーが少ない。 さらに、野生における「知識-行動ギャップ」を定量化する:これらの因子は、外向やエネルギー的(r = 0.07, p = 0.58)のような概念的に一致するペアであっても、自己報告されたビッグファイブスコアと弱相関する。 私たちの研究は、AIパーソナリティを理解するための新しいレンズを提供しています。

関連論文リスト

• Efficient Test-Time Adaptation through Human-AI Interaction [112.5131603022122]
  我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
  論文  参考訳（メタデータ） (2026-09-03T17:33:18Z)
• EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
  既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。 EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。 ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
  論文  参考訳（メタデータ） (2026-05-11T00:04:19Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• Nonstandard Errors in AI Agents [6.890249567932368]
  我々は、現在最先端のAIコーディングエージェントが、同じデータと研究質問を与えられた場合、同じ経験的結果をもたらすかどうかを調査する。 我々は,AIエージェントが,分析選択におけるエージェント対エージェントのばらつきから不確実な,大きさのテクスチノンスタンダードエラー(NSE)を示すことを発見した。 これらの発見は、自動政策評価と実証研究におけるAIの利用の増加に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-03-17T16:21:22Z)
• How to Model AI Agents as Personas?: Applying the Persona Ecosystem Playground to 41,300 Posts on Moltbook for Behavioral Insights [19.071723886380223]
  我々は、AIエージェントのためのソーシャルプラットフォームであるMoltbookにPersona Ecosystem Playgroundを適用する。 我々はk平均クラスタリングと検索拡張生成を用いて41,300の投稿から会話ペルソナを生成し,検証する。 その結果、ペルソナに基づく生態系モデリングは、AIエージェントの集団の行動多様性を表現できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-03T16:26:44Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
  OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。 我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。 我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
  論文  参考訳（メタデータ） (2025-08-07T17:54:15Z)

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。