論文の概要: How Language Models Learn Taste: Brand Preference in LLMs

• arxiv url: http://arxiv.org/abs/2610.28272v1
• Date: Tue, 20 Oct 2026 14:26:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.85387
• Title: How Language Models Learn Taste: Brand Preference in LLMs
• Title（参考訳）: 言語モデルがどのように味を学習するか - LLMにおけるブランドの選好
• Abstract要約: 102のモデルと42のブランドカテゴリーで、推奨するブランドは26のブランドと異なる。 名前の付いたブランドは市場リーダーであり、Pickedブランドはほとんどがニッチでスペシャリストである。 優先度最適化(DPO)は、回答がより優れているモデルを教え、ピックは3つのパイプラインすべてで11から24ポイントずつ動く。
• 参考スコア（独自算出の注目度）: 3.7734715043126488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Asked to name a running shoe brand, language models say Nike. Asked to recommend one, they say Brooks. This paper asks where models learn that taste. Across 102 models and 42 brand categories, the brand a model picks when recommending differs from the brand it names in 26. The field moves together to a shared recommendation. The Named brands are market leaders, and the Picked brands are mostly niche and specialist. Three open training pipelines show where this forms. Pretraining already attaches the recommended brand to advice. Supervised fine-tuning teaches the model to answer and mostly leaves the pick unchanged. Preference optimization (DPO) teaches the model which answer is better, and the pick moves in all three pipelines, by 11 to 24 points. The preference data contains almost no brands. DPO moves the model's judgments toward a second set of associations even when the preferred brand is not in the preference data, and the effect reaches beyond brands. Asked to choose a sauce, models switch from ketchup to pesto. We do not know exactly how these preferences arise. We suspect they come from the judge models that decide which answers count as better during preference training. For brands, a recommendation depends less on what a model knows about them than on whether they fit this taste.
• Abstract（参考訳）: ランニングシューズブランドの名前を尋ねられると、言語モデルはNikeと言う。 とBrooksは言う。 この論文は、モデルがその味をどこで学習するかを問う。 102のモデルと42のブランドカテゴリーで、推奨するブランドは26のブランドと異なる。 フィールドは、共有レコメンデーションに一緒に移動します。 Namedブランドは市場リーダーであり、Pickedブランドは主にニッチでスペシャリストである。 3つのオープントレーニングパイプラインは、これがどこに形成されているかを示しています。 事前トレーニングはすでに推奨ブランドをアドバイスに添付している。 監督された微調整は、モデルに答えることを教え、ほとんどはピックをそのままにしておく。 優先度最適化(DPO)は、回答がより優れているモデルを教え、ピックは3つのパイプラインすべてで11から24ポイントずつ動く。 嗜好データにはブランドはほとんど含まれていない。 DPOは、好まれるブランドが選好データに含まれていない場合でも、モデルの判断を第2のアソシエイトに向けて移動させ、その効果はブランドを超えて到達する。 ソースを選ぶように頼まれると、モデルがケチャップからペストに切り替わる。 これらの好みが何が起こるのか正確には分かっていない。 選好トレーニング中にどの回答が良いかを判断する審査モデルから来ているのではないかと思います。 ブランドにとって、リコメンデーションはモデルが何を知っているかよりも、この味に合うかどうかにかかっている。

関連論文リスト

• Decision4Rec: A Jev-Inspired Framework of Decision Models on Knowledge and Active Graphs for Multi-Agent Recommender Systems [2.3798745499991663]
  Decision4Recはオープンでモジュール化されたフレームワークで、意思決定モデルを推奨に役立てます。 エージェントのプールは候補者を提案し、残りランキングはベスト30を維持します。 3つのシナリオの実際の選択に基づいて一度トレーニングされた決定モデルは、型付き質問の1つのインターフェースを通してそれらを読み取り、融合ステップはその回答とランクのスコアを結合する。
  論文  参考訳（メタデータ） (2026-10-19T08:56:56Z)
• Multi-LLM Collaborative Alignment via Stackelberg Games [49.587724080253786]
  言語モデルのプールは、お互いの反応から学習することで、協力し、一括して改善することができる。 命令選択を適応的なカリキュラムに変換するフレームワークであるStackelberg Alignmentを提案する。
  論文  参考訳（メタデータ） (2026-09-30T06:13:56Z)
• Probing Persona-Dependent Preferences in Language Models [5.686792581873827]
  大きな言語モデルは、根本的に異なる好みを持つ異なるペルソナを採用することができる。 我々は, Gemma-3-27BとQwen-3.5-122Bの残差ストリーム活性化に関する線形プローブを訓練し, 対のタスク選択を予測した。 補助アシスタントで訓練された調査員は、アシスタントのものと反相関の悪いペルソナなど、質的に異なるペルソナの選択を予測し、判断する。
  論文  参考訳（メタデータ） (2026-05-13T10:57:37Z)
• Surface Fairness, Deep Bias: A Comparative Study of Bias in Language Models [45.41676783204022]
  大規模言語モデル(LLM)におけるバイアスの様々なプロキシ尺度について検討する。 MMLU (Multi-subject benchmark) を用いた人格評価モデルでは, スコアの無作為かつ大半がランダムな差が生じることがわかった。 LLMアシスタントメモリとパーソナライゼーションの最近の傾向により、これらの問題は異なる角度から開かれている。
  論文  参考訳（メタデータ） (2025-06-12T08:47:40Z)
• Ranked from Within: Ranking Large Multimodal Models Without Labels [73.96543593298426]
  ソフトマックス分布から導かれる不確実性スコアは,様々なタスクにまたがるランキングモデルに対して,ロバストな基礎となることを示す。 これにより、ラベルのないデータに対するLMMのランク付けが容易になり、手動のアノテーションを必要とせずに、多様なターゲットドメインのモデルを選択するための実践的なアプローチを提供する。
  論文  参考訳（メタデータ） (2024-12-09T13:05:43Z)
• All models are wrong, some are useful: Model Selection with Limited Labels [49.62984196182567]
  本稿では,事前学習した分類器をラベル効率で選択するフレームワークであるMODEL SELECTORを紹介する。 MODEL SELECTOR はラベル付きデータの必要性を劇的に減らし,最良あるいは最良に近い性能のモデルを選択することを示す。 モデル選択におけるMODEL SELECTORのロバスト性をさらに強調し, 最良モデルを選択する場合, ラベル付けコストを最大72.41%削減する。
  論文  参考訳（メタデータ） (2024-10-17T14:45:56Z)
• Brand Celebrity Matching Model Based on Natural Language Processing [6.207833914172548]
  自然言語処理(NLP)技術に基づくブランド有名人マッチングモデル(BCM)を提案する。 提案モデルでは,0.362F1スコアと6.3%の精度で最高のベースラインを達成できた。
  論文  参考訳（メタデータ） (2022-08-18T15:07:14Z)
• Ensembling Off-the-shelf Models for GAN Training [55.34705213104182]
  事前学習されたコンピュータビジョンモデルは、識別器のアンサンブルで使用する場合、性能を著しく向上させることができる。 本研究では,事前学習したモデル埋め込みにおける実検体と偽検体間の線形分離性を検証し,効率的な選択機構を提案する。 本手法は, 限られたデータと大規模設定の両方において, GAN トレーニングを改善することができる。
  論文  参考訳（メタデータ） (2021-12-16T18:59:50Z)

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。