論文の概要: The AI's Poker Face: Contrasting Persuasion and Sycophancy in Voice-Based Multi-Turn Conversations

• arxiv url: http://arxiv.org/abs/2610.14124v1
• Date: Fri, 09 Oct 2026 10:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:09:41.7149
• Title: The AI's Poker Face: Contrasting Persuasion and Sycophancy in Voice-Based Multi-Turn Conversations
• Title（参考訳）: AIのポーカーフェイス:音声によるマルチトゥルン会話における説得とシコファンシーの対比
• Abstract要約: 大規模言語モデル(LLM)がユーザの信念にどのように影響するかを研究する。 我々は、意見の変化、修辞的戦略、および梅毒について検討する。 以上の結果から,AI 効果における議論とサイコファン性調節の役割が明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As interactions with large language models (LLMs) become increasingly routine, concerns about their capacity to influence users' beliefs grow. Yet how such influence unfolds in sustained dialogue remains insufficiently understood. We conduct a randomized controlled experiment (N=616) where participants engage in multi-turn, spoken dialogue with an LLM under three conditions: non-directive, and two directive conditions maintaining opposing stances on a polarizing topic (the merits of feminism). We examine opinion change, rhetorical strategies, and sycophancy, distinguishing the semantic content of LLM argumentation from the pragmatic strategies used to manage the interaction. Both directive conditions shifted opinions toward their assigned stances, but asymmetrically: shifts were larger for pro-feminist positions, which also elicited distinct rhetorical strategies. The non-directive condition, likewise shifted opinions pro-feminism. Social sycophancy, though near-universal, was not associated with opinion change; instead it shaped users' subjective experience. Our findings highlight distinct roles for argumentation and sycophantic accommodation in AI influence.
• Abstract（参考訳）: 大規模言語モデル(LLM)との相互作用がますます日常化していくにつれ、ユーザの信念に影響を与える能力に対する懸念が高まっている。 しかし、持続的対話におけるそのような影響がいかに広がるかは、まだ十分に理解されていない。 我々はランダム化制御実験(N=616)を行い、非指向性(non-directive)と、偏極性(feminism)に反する姿勢を維持する2つの指示条件(non-directive)の3つの条件下で、参加者がLLMとマルチターン、音声対話を行う。 我々は,LLM議論の意味的内容と対話を管理するための実践的戦略とを区別し,意見の変化,修辞的戦略,およびサイコファシーについて検討する。 どちらの指示的条件も意見は割り当てられた姿勢に移行したが、非対称的であった: フェミニストの立場はシフトが大きく、また異なる修辞的戦略も引き起こした。 非指向的な状態は、同様に、フェミニズムを支持する意見を変えた。 ソーシャル・サイコファンシーは、ほぼユニバーサルであるが、意見の変化とは無関係であり、代わりにユーザーの主観的体験を形成した。 本研究は,AI効果における議論とサイコファン性調節の役割について明らかにした。

関連論文リスト

• Belief Cascades Drive Persuasion in LLM Agent Networks [71.17605142402785]
  本研究では,実世界のego-networkトポロジに根ざしたLLMエージェントのネットワーク上で,ゴール指向の説得者がどのようにスタンスをシフトするかを検討する。 直接露光は、競合走における次のラウンドの姿勢変化を確実に予測し、ピアリレーは小さいが測定可能な影響をもたらすことを示す。 これらの結果は、多エージェントの説得を軌跡レベルのプロセスと露出レベルのプロセスとして評価することを主張する。
  論文  参考訳（メタデータ） (2026-08-25T21:01:19Z)
• Persuasive and Compliant Tendencies Predict Group Decision-Making in Humans and Language Models [65.21691850622413]
  大規模言語モデル(LLM)は、人間との集団意思決定にますます関与している。 本稿では,各モデルの説得性およびコンプライアンス傾向を測定するための質問紙ベースのフレームワークであるDecisionQEを紹介する。 より強い説得傾向はグループの結果を著しく改善しないが、コンプライアンス指向モデルは協調においてより安定した優位性を示す。
  論文  参考訳（メタデータ） (2026-08-08T15:50:56Z)
• Revising Context, Shifting Simulated Stance: Auditing LLM-Based Stance Simulation in Online Discussions [62.99524765341952]
  ソーシャルメディアのユーザーをシミュレートするために、大規模な言語モデルがますます使われている。 LLMに基づくスタンスシミュレーションを監査するための枠組みとして,反実的文脈修正について検討する。 その結果、テキストのみの戦略とマルチモーダル戦略の両方において、効果的かつ堅牢なスタンス遷移が明らかとなった。
  論文  参考訳（メタデータ） (2026-06-04T17:41:54Z)
• Divergent Paths to Depolarization: Dialogue Design Determines the Prosocial Benefits of AI-Assisted Political Argumentation [11.18468073756501]
  政治的分裂にまたがる論証的な対話は分極を減少させる。 人間とAIの対話の形式がどのようにその利点を形作るかは、まだ不明である。 これらの知見は、効果的なAIによる行動介入の重要な決定要因として、対話設計を強調している。
  論文  参考訳（メタデータ） (2026-05-22T17:51:10Z)
• MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion [73.99171322670772]
  LVLM(Large Vision-Language Models)は、ショッピング、健康、ニュースなどの分野に展開されている。 MMPersuadeはLVLMにおけるマルチモーダルパーサージョンダイナミクスを体系的に研究するための統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-10-26T17:39:21Z)
• Beyond One-Way Influence: Bidirectional Opinion Dynamics in Multi-Turn Human-LLM Interactions [15.551196286270779]
  大言語モデル(LLM)を利用したチャットボットは、意見探索にますます利用されている。 本研究では,LLMの出力が大幅に変化したのに対して,人間の意見はほとんど変化しなかったかを検討する。 マルチターン会話の分析により、参加者の個人的な物語を含む交流は、人間とLLMの両方に対するスタンスの変化を引き起こす可能性が最も高いことが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-22T21:38:10Z)
• Disentangling Interaction and Bias Effects in Opinion Dynamics of Large Language Models [0.42481744176244507]
  大きな言語モデルは、人間の意見のダイナミクスをシミュレートするためにますます使われています。 このようなバイアスを3つ解き、定量化するためのベイズ的枠組みを提案する。 このフレームワークを多段階の対話に適用すると、意見の軌跡はすぐに共有の魅力に収束する傾向があることが分かる。
  論文  参考訳（メタデータ） (2025-09-08T16:26:45Z)
• Echoes of Agreement: Argument Driven Opinion Shifts in Large Language Models [0.36713387874278247]
  政治偏見評価実験を,支持論と反感論の存在下で実施する。 実験により, 与えられた議論の方向に対するモデル応答が, 実質的に変化していることが示唆された。 これらの効果は、LLMが提示された議論と整合する姿勢に適応する際の空想傾向を示している。
  論文  参考訳（メタデータ） (2025-08-11T20:54:14Z)
• Arbiters of Ambivalence: Challenges of Using LLMs in No-Consensus Tasks [52.098988739649705]
  本研究では, LLMのバイアスと限界について, 応答生成器, 判定器, 討論器の3つの役割について検討した。 我々は、様々な先行的曖昧なシナリオを含む例をキュレートすることで、合意なしのベンチマークを開発する。 以上の結果から, LLMは, オープンエンドの回答を生成する際に, 曖昧な評価を行うことができる一方で, 審査員や討論者として採用する場合は, 合意なしのトピックにスタンスを取る傾向が示唆された。
  論文  参考訳（メタデータ） (2025-05-28T01:31:54Z)
• Can (A)I Change Your Mind? [0.6990493129893112]
  研究は200人の参加者とともにヘブライ語で実施され、議論を呼んでいる市民政策のトピックに対するLLMと人間インターロケーターの説得効果を評価した。 以上の結果から,LLMとヒトの視点も同様に採用され,全ての条件において有意な意見の変化が認められた。 これらの知見は, LLMをベースとしたエージェントが, 様々なソースや設定にまたがる堅牢な説得力を示し, 世論形成への潜在的影響を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-03-03T18:59:54Z)

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。