論文の概要: What Makes a Question Curious? Measuring Model Curiosity in Human-LLM Interactions

• arxiv url: http://arxiv.org/abs/2610.33950v1
• Date: Sat, 24 Oct 2026 23:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.490658
• Title: What Makes a Question Curious? Measuring Model Curiosity in Human-LLM Interactions
• Title（参考訳）: 人間とLLMの相互作用におけるモデル好奇心の測定
• Abstract要約: 本稿では、好奇心を指向した質問と一般的なモデル質問とを区別する理論に基づく分類法を提案する。 好奇心を重視した質問は希少なままであり(17～28%)、より探索的かつエピステマティクスに富んだユーザーの反応に結びついていることが判明した。 これらの発見は、より深い探索と人間とAIのコラボレーションを支援するために、より選択的にLLMを構築することに影響を及ぼす。
• 参考スコア（独自算出の注目度）: 31.924468923154933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models increasingly act as partners in everyday communication. In these interactions, useful assistance may require not only answering, but also asking the right questions that surface knowledge gaps, assumptions, and alternatives. In this study, we refer to such epistemic question-asking as model curiosity, and introduce a theory-grounded taxonomy that distinguishes curiosity-oriented questions from generic model questioning. Across four conversation datasets, we find that curiosity-oriented questions remain rare (17-28% of all questions), but are associated with more exploratory and epistemically rich subsequent user responses, with varying patterns across datasets. We further conduct a human study to evaluate the usefulness of model curiosity, finding that curiosity can encourage exploration, especially in advice, creative, and research contexts. These findings have implications for building LLMs that ask more selectively to support deeper exploration and human-AI collaboration.
• Abstract（参考訳）: 大規模な言語モデルは、日々のコミュニケーションにおけるパートナーとしての役割をますます高めている。 これらの相互作用では、有用な補助は答えるだけでなく、知識のギャップや仮定、代替案を表面化する適切な質問も必要になる。 本研究では,モデル好奇心という認識的疑問を投げかけ,好奇心を指向した質問と一般的なモデル問合せとを区別する理論に基づく分類法を導入する。 4つの会話データセット全体では、好奇心指向の質問は希少なままであり(17～28%)、より探索的でエピステマティックにリッチなユーザ応答と関連し、データセット毎にパターンが変化する。 我々はさらに、モデル好奇心の有用性を評価するために人間の研究を行い、好奇心が特に助言、創造、研究の文脈において探索を促進することを発見した。 これらの発見は、より深い探索と人間とAIのコラボレーションを支援するために、より選択的にLLMを構築することに影響を及ぼす。

関連論文リスト

• Why Did Apple Fall To The Ground: Evaluating Curiosity In Large Language Model [67.37154331548413]
  大規模言語モデル(LLM)が示す好奇心の程度を評価するための包括的評価フレームワークを設計する。 その結果、LLMは人間よりも知識の渇きが強いが、不確実な環境に直面すると保守的な選択をしがちであることがわかった。 これらの結果から,LLMはヒトと同様の好奇心を示す可能性が示唆され,今後の学習能力の発達に対する実験的支援が期待できる。
  論文  参考訳（メタデータ） (2025-10-23T15:05:17Z)
• Quriosity: Analyzing Human Questioning Behavior and Causal Inquiry through Curiosity-Driven Queries [92.1651731484397]
  本稿では,3つの情報源から自然発生の13.5Kの質問を集めたQuriosityを紹介する。 分析の結果,データセットに因果的疑問(最大42%)が存在することが明らかとなった。
  論文  参考訳（メタデータ） (2024-05-30T17:55:28Z)
• Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
  質問紙作成作業に特化して構築された最初のデータセットについて述べる。 我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。 チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
  論文  参考訳（メタデータ） (2024-02-22T04:14:10Z)
• Five Properties of Specific Curiosity You Didn't Know Curious Machines Should Have [4.266866385061999]
  我々は、動物と機械の好奇心の分野を包括的に多分野的に調査する。 我々は、特定の好奇心の最も重要な特性の5つのうちの1つと考えるものを紹介し、定義する。 概念強化学習エージェントにおいて,これらの特性をどのように組み合わせて実装するかを示す。
  論文  参考訳（メタデータ） (2022-12-01T00:18:56Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)

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。