論文の概要: Value-Rich, Differently Organized: Measuring Value Expression and Organization in AI-Generated Debates

• arxiv url: http://arxiv.org/abs/2610.28604v1
• Date: Tue, 20 Oct 2026 17:48:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.958427
• Title: Value-Rich, Differently Organized: Measuring Value Expression and Organization in AI-Generated Debates
• Title（参考訳）: 異なる組織化されたバリューリッチ:AI生成討論における価値表現と組織の測定
• Abstract要約: 人間の参照やAI生成の議論において、どのように価値が表現され、組織化されるかを比較するための指標を紹介します。 議論は議論の単位、発話、スタンス、完全な議論に対する多段階的な価値分布として表現される。 調査の結果、議論評価は価値ある存在だけでなく、価値ある組織も考慮すべきであることが示された。
• 参考スコア（独自算出の注目度）: 18.007379464461312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current evaluation of LLM-generated debate largely focuses on argumentative quality, leaving the value structure of generated arguments underexamined. We introduce a diagnostic metric framework for comparing how values are expressed and organized in human-reference and AI-generated debates. The framework separates value expression, the range of recognizable values a debate invokes, from value organization, how those values are distributed and sustained across turns. Grounded in Schwartz's Basic-10 value theory, it represents debates as multi-level value distributions over argumentative units, utterances, stances, and full debates, enabling metrics for value coverage, alignment, diffusion, and cross-turn dynamics. Across multiple generation systems, AI-generated debates are broadly value-expressive, often activating as many or more value dimensions than matched human references, but they organize these values differently. Their utterances are more locally value-diffuse, and source-blind judges distinguish value clarity from value focus. These findings show that debate evaluation should consider not only value presence, but also value organization. Code and supplementary materials are available at https://github.com/Maoyuan-li/Value-Expression-and-Organization.
• Abstract（参考訳）: LLM生成論争の現在の評価は、主に議論品質に焦点を合わせ、生成された議論の価値構造を過小評価している。 人間の参照とAI生成の議論において、どのように価値が表現され、組織化されるかを比較するための診断基準フレームワークを導入する。 このフレームワークは、価値表現、議論が引き起こす認識可能な値の範囲を、価値組織から切り離す。 シュワルツのベーシック-10値理論に基づいて、議論は議論の単位、発話、スタンス、および完全な議論に対する多段階の値分布として表現され、価値カバレッジ、アライメント、拡散、転回ダイナミクスのメトリクスを可能にする。 複数の世代にわたるシステムの中で、AI生成の議論は広範に価値表現であり、しばしばヒトの参照と一致するものよりも多くの価値次元を活性化するが、それらは異なる価値を組織する。 彼らの発話はより局所的な価値拡散であり、ソースブレンドの判断は価値の明確さと価値の焦点を区別する。 これらの結果は、議論評価は価値ある存在だけでなく、価値ある組織も考慮すべきであることを示している。 コードと補足資料はhttps://github.com/Maoyuan-li/Value-Expression-and-Organizationで入手できる。

関連論文リスト

• Towards Cross-lingual Values Assessment: A Consensus-Pluralism Perspective [47.001227248208856]
  X-Valueは、グローバルな視点からコンテンツの深い価値を評価するために設計された、新しい言語間価値評価ベンチマークである。 X-Valueは18言語にまたがる5000以上のQAペアで構成され、シュワルツのベーシックヒューマンバリュー理論に基づく7つのコアドメインに体系的に組織化されている。
  論文  参考訳（メタデータ） (2026-02-19T11:41:34Z)
• Counterfactual Reasoning for Steerable Pluralistic Value Alignment of Large Language Models [43.01088871836861]
  COUPLEは、Puuralistic valuEアライメントのためのCOUnterfactual reasoning frameworkである。 特徴間の複雑な相互依存と優先順位付け、高レベルの価値次元と振る舞いの因果関係が特徴である。 明確な因果モデリングから恩恵を受けるため、COUPLEはより良い解釈可能性も提供する。
  論文  参考訳（メタデータ） (2025-10-21T11:12:45Z)
• Rethinking How AI Embeds and Adapts to Human Values: Challenges and Opportunities [0.6113558800822273]
  AIシステムは長期的な推論を実装し、進化する価値に適応し続けなければならない、と私たちは主張する。 価値アライメントは、人間の価値の完全なスペクトルに対処するためにより多くの理論を必要とする。 我々は、価値アライメントに関連する課題を特定し、価値アライメント研究を進めるための方向性を示す。
  論文  参考訳（メタデータ） (2025-08-23T18:19:05Z)
• Value Portrait: Assessing Language Models' Values through Psychometrically and Ecologically Valid Items [2.9357382494347264]
  既存のベンチマークは、価値関連のバイアスに弱い人や機械のアノテーションに依存している。 本稿では,実生活におけるユーザ-LLMインタラクションをキャプチャするアイテムからなるValue Portraitベンチマークを提案する。 この心理的に検証されたアプローチは、特定の値と強く相関したアイテムがそれらの値を評価するための信頼できるアイテムとして機能することを保証する。
  論文  参考訳（メタデータ） (2025-05-02T05:26:50Z)
• Value Kaleidoscope: Engaging AI with Pluralistic Human Values, Rights, and Duties [68.66719970507273]
  価値多元性とは、複数の正しい値が互いに緊張して保持されるという考え方である。 統計的学習者として、AIシステムはデフォルトで平均に適合する。 ValuePrismは、218kの値、権利、義務の大規模なデータセットで、31kの人間が記述した状況に関連付けられています。
  論文  参考訳（メタデータ） (2023-09-02T01:24:59Z)
• Heterogeneous Value Alignment Evaluation for Large Language Models [91.96728871418]
  大規模言語モデル(LLM)は、その価値を人間のものと整合させることを重要視している。 本研究では,LLMと不均一値の整合性を評価するため,不均一値アライメント評価(HVAE)システムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T02:34:20Z)

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。