論文の概要: To Manipulate or Not: Opinion Dynamics in LLM Interactions

• arxiv url: http://arxiv.org/abs/2610.28875v1
• Date: Tue, 20 Oct 2026 19:48:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.136008
• Title: To Manipulate or Not: Opinion Dynamics in LLM Interactions
• Title（参考訳）: 操作するかどうか:LLMインタラクションにおけるオピニオンダイナミクス
• Abstract要約: 2つの言語モデルの役割が競合する話題について繰り返し議論する、制御されたLLM-LLM討論フレームワークを導入する。 我々は、各ロールが明確に報告された位置と、会話中のターンバイターンの振る舞いをそれぞれ別々に計測する。 これらの結果から, 会話の影響は役割や初期位置だけでなく, 参加モデルにも左右されることが示唆された。
• 参考スコア（独自算出の注目度）: 0.254890465057467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models increasingly take part in extended conversations where they can both shape and be shaped by another party's views, yet most persuasion research measures only one side of that exchange. We introduce a controlled LLM-LLM debate framework in which two language-model roles repeatedly discuss a contested topic (climate-change attribution): one is given an assigned stance and, in some conditions, an explicit instruction to persuade, while the other receives no assigned position. Across four ordered model combinations involving GPT-6 Luna and Gemini 2.5 Flash Lite, we track both each role's explicitly reported position and a separate measure of its turn-by-turn behavior inside the conversation. Opinion dynamics differ substantially across model combinations: same-model interactions narrow the opinion gap on average, clearly for only one of the two models, while cross-model interactions widen it. Explicit reports and in-dialogue behavior capture distinct aspects of opinion dynamics, and a blanket instruction to persuade does not reliably increase influence. These findings suggest that conversational influence depends not only on assigned roles and initial positions but also on the participating models, with implications for how opinion change is measured in extended LLM interactions.
• Abstract（参考訳）: 大きな言語モデルは、他の党の見解によって形も形もできるような拡張された会話にますます参加しますが、ほとんどの説得研究は、その交換の片側だけを対象としています。 2つの言語モデルの役割が競合する話題(気候変化帰属)について繰り返し議論する、制御されたLLM-LLM討論フレームワークを導入する。 GPT-6 LunaとGemini 2.5 Flash Liteを含む4つの順序付けモデルの組み合わせで、各ロールの位置と会話中のターンバイターン動作の別測度の両方を追跡します。 モデル間の相互作用は平均的な意見ギャップを狭め、明らかに2つのモデルのうちの1つに限られる。 明示的な報告と対話中の振る舞いは、意見力学の異なる側面を捉え、説得する包括的指導は、確実に影響を増大させない。 これらの結果から, 会話の影響は, 与えられた役割や初期位置だけでなく, 参加モデルにも大きく依存していることが示唆された。

関連論文リスト

• The AI's Poker Face: Contrasting Persuasion and Sycophancy in Voice-Based Multi-Turn Conversations [0.0]
  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。
  論文  参考訳（メタデータ） (2026-10-09T10:28:28Z)
• 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)
• Attractor States Emerge in Multi-Turn LLM Conversations [34.154296400421636]
  大規模言語モデル(LLM)は、オープンなマルチエージェント設定での使用が増えている。 オープンエンドLLM議論がアトラクション様の行動を示すかどうかを検討した。 混合プレイ討論において,対話相手を非対称に引き出すモデル固有のアトラクタとして,自己演奏トラジェクトリを見いだす。
  論文  参考訳（メタデータ） (2026-06-29T17:14:29Z)
• 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)
• DEBATE: A Large-Scale Benchmark for Role-Playing LLM Agents in Multi-Agent, Long-Form Debates [10.609797175227644]
  マルチエージェントロールプレイングLLM間の相互作用の信頼性を評価するための,最初の大規模実証的ベンチマークであるDEBATEを紹介する。 我々は,シミュレーション群と真正群との重要な相違点を系統的に評価し,同定した。
  論文  参考訳（メタデータ） (2025-10-29T02:21:10Z)
• 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)
• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
  MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。 本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。 筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
  論文  参考訳（メタデータ） (2023-06-27T07:24:32Z)

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。