論文の概要: Talking with Language Models

• arxiv url: http://arxiv.org/abs/2610.09064v1
• Date: Tue, 06 Oct 2026 20:12:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.593666
• Title: Talking with Language Models
• Title（参考訳）: 言語モデルとの対話
• Abstract要約: 大きな言語モデル(LLM)は、それらを記憶し、行動し、コミットメントを行うインテリジェントなインターロケータとして扱うよう、私たちを招待するために設計されています。 本稿では,人工物によるテキストの交換として人間とAIの相互作用を再認識する枠組みである,人工物的スタンスを紹介する。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: When we interact with large language models (LLMs), are we having a conversation? They are designed to invite us to treat them as intelligent interlocutors who remember, act, and make commitments. But appearances deceive. We introduce the artifactual stance, a framework that reconceives human-AI interaction as artifact-mediated exchanges of candidate texts. LLM outputs are candidate texts optimized for utility, not utterances bearing meaning or force. LLMs are sophisticated text generators, not speakers. Between sessions, nothing runs; between turns, no one remembers. What persists is a configuration and a transcript. The "conversation" is a user's solo performance, interpretive labour disguised by interface and artifact design. This shift dissolves recent philosophical puzzles. Questions about what 'I' and 'you' refer to in AI exchanges, about whether systems can lie or be held to promises, about the identity of our supposed interlocutors all rest on a false presupposition. There is no speaker behind the screen, hence no one to refer to, no one to hold responsible. What feels like dialogue with someone is interaction with an artifact that generates text at unprecedented scale and fit. By abandoning the conversational framing, we see these systems for what they are: immensely sophisticated artifacts that afford varied uses. The philosophical questions that matter are about the normative underpinnings of design, adoption, authorization, and human practices of use.
• Abstract（参考訳）: 大きな言語モデル(LLM)と対話する場合、会話はできるのでしょうか? 彼らは私たちを、彼らを記憶し、行動し、コミットメントするインテリジェントなインターロケーターとして扱うように呼びかけるように設計されています。 しかし外見はだまされる。 本稿では,人工物によるテキストの交換として人間とAIの相互作用を再認識する枠組みである,人工物的スタンスを紹介する。 LLM出力は実用性に最適化された候補テキストであり、意味や力を持った発話ではない。 LLMは洗練されたテキストジェネレータであり、スピーカーではない。 セッションの間は、何も実行せず、ターンの間は、誰も覚えていません。 持続するものは、設定と書き起こしである。 会話(英: "conversation")とは、インターフェイスやアーティファクトデザインに変装した、ユーザのソロパフォーマンスである。 この変化は近年の哲学的パズルを解き放つ。 AI交換所で「私」と「あなた」が何を指すのか、システムが嘘をつくのか、約束に守られるのか、そして、我々の想定されるインターロケータの同一性は、すべて偽の前提に当てはまるのか、という疑問が浮かび上がっている。 画面の後ろにスピーカーはなく、言及する人はおらず、責任を負う者はいない。 誰かとの対話のように感じられるのは、前例のない規模でテキストを生成し、適合するアーティファクトと対話することです。 会話のフレーミングを放棄することで、私たちはこれらのシステムを、それらが何であるかについて見ることができます。 重要な哲学的な疑問は、設計、採用、承認、人間の使用の規範的な基盤に関するものである。

関連論文リスト

• 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)
• 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)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• X-TURING: Towards an Enhanced and Efficient Turing Test for Long-Term Dialogue Agents [56.64615470513102]
  チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すかどうかを調べる。 従来の設定では、各参加者は一度に1つのメッセージに制限される。 本稿では,textitburstダイアログパターンを用いて,元のテストを強化するtextbftextscX-Turingを提案する。
  論文  参考訳（メタデータ） (2024-08-19T09:57:28Z)
• A Reliable Common-Sense Reasoning Socialbot Built Using LLMs and Goal-Directed ASP [3.17686396799427]
  自然言語を述語に翻訳するためにLLMモデルを用いたソーシャルボットであるAutoCompanionを提案する。 本稿では, LLM を用いてユーザメッセージを解析し, s(CASP) エンジン出力から応答を生成する手法について述べる。
  論文  参考訳（メタデータ） (2024-07-26T04:13:43Z)
• Ain't Misbehavin' -- Using LLMs to Generate Expressive Robot Behavior in Conversations with the Tabletop Robot Haru [9.2526849536751]
  本稿では,大規模言語モデル(LLM)を利用して,表現行動を伴うロボット応答を生成する,完全自動会話システムを提案する。 提案したシステムを用いて,ボランティアが社会ロボットとチャットし,そのフィードバックを分析し,チャットテキストの厳密な誤り解析を行う。 最も否定的なフィードバックは、会話に限られた影響を及ぼす自動音声認識(ASR)エラーによるものだった。
  論文  参考訳（メタデータ） (2024-02-18T12:35:52Z)
• Revisiting the DARPA Communicator Data using Conversation Analysis [0.0]
  本稿では, コンピュータシステムにおける「改善の機会」を, 「誓い言葉」の形で乱用を探すことによって識別するアプローチについて述べる。 その前提は、人間がコンピュータに対して制裁として誓うことであり、したがって、言葉を誓うことは、システムが本来あるべきように振る舞わない点を表す。 より大きなテキストコーパスに依存しない計算言語学には代替的な未来があることを実証したい。
  論文  参考訳（メタデータ） (2023-07-13T15:33:01Z)
• Introducing the Talk Markup Language (TalkML):Adding a little social intelligence to industrial speech interfaces [0.0]
  自然言語の理解は、AI研究の最も残念な失敗の1つだ。 本稿では、他の分野からアイデアを取り入れて実装した方法について述べる。
  論文  参考訳（メタデータ） (2021-05-24T14:25:35Z)

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。