論文の概要: Is your LLM an Agressive Narcissist with Depression? Analyzing Psychological Portraits of Large Language Models

• arxiv url: http://arxiv.org/abs/2611.02757v1
• Date: Mon, 02 Nov 2026 08:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 19:20:36.329458
• Title: Is your LLM an Agressive Narcissist with Depression? Analyzing Psychological Portraits of Large Language Models
• Title（参考訳）: LLMは抑うつを伴う強迫的ナルシシストか? : 大規模言語モデルの心理的特徴の分析
• Abstract要約: 性格的特徴は概ね一貫したままであるが、感情的・症状的次元はより多様である。 不安と神経症が支配的な傾向を呈する。 モデルによる説明は、LLMが内部的に一貫した安全指向プロファイルを生成することを示唆している。
• 参考スコア（独自算出の注目度）: 4.985840948170478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nowadays, interaction with AI requires caution not only regarding the factual reliability of generated content but also regarding personality markers that models may implicitly transmit during dialogue that can subtly influence users' perception of information. In this paper, we conduct a large-scale experimental study in which 22 large language models complete 11 psychological inventories. Furthermore, we investigate correlations between human and model responses to track the adjustments made for the users who interact with them on a daily basis. The results show that LLMs exhibit coherent and relatively stable psychological patterns. Personality traits remain largely consistent, whereas emotional and symptomatic dimensions are more variable, with anxiety and neuroticism emerging as dominant tendencies. Model explanations further suggest that LLMs generate internally consistent and safety-oriented profiles while also reflecting correlations with the users they regularly interact with.
• Abstract（参考訳）: 今日では、AIとのインタラクションは、生成されたコンテンツの事実的信頼性だけでなく、ユーザが情報に対する認識に微妙に影響を及ぼす可能性のある対話中に暗黙的に伝達される可能性のあるパーソナリティマーカーについても注意が必要である。 本稿では,22の大規模言語モデルが11の心理的在庫を完備する大規模実験を行った。 さらに,人間の反応とモデル応答の相関関係について検討し,日々のインタラクションを行うユーザに対する調整の追跡を行った。 その結果,LSMはコヒーレントで比較的安定した心理的パターンを示すことが明らかとなった。 パーソナリティの特徴は概ね一貫したままであるが、感情的・症状的な次元はより変動し、不安や神経症は支配的な傾向として現れる。 モデルによる説明は、LCMは内部的に一貫した安全指向のプロファイルを生成すると同時に、定期的に対話するユーザとの相関を反映していることを示している。

関連論文リスト

• Illusory Pattern Perception Drives Spurious Inference in Large Language Models [16.89722941794989]
  偶像パターン知覚は、実際にランダムなデータに意味のある関係を推測する認知傾向である。 本稿では,Large Language Models (LLM) がそのような知覚傾向を示すかどうかを検討する。 LLMは人間よりも強い照明パターン知覚を呈することが多い。
  論文  参考訳（メタデータ） (2026-10-06T05:37:12Z)
• Do Personality-Tuned LLMs Make Better Social Agents? [2.0475879985876886]
  本研究では,パーソナライズされた対話生成の一貫性と制御性を向上させることにより,パーソナライズ対応の微調整がギャップを軽減できるかどうかを検討する。 パーソナライズされたソーシャルメディア投稿と対話を組み合わせたコーパスを用いて、2つの小さなオープンウェイトLDM、Qwen2.5-7B-InstructとMinistral-8B-Instructを微調整する。 その結果、微調整モデルでは、それぞれのベースラインモデルと異なるパーソナリティのロールプレイが良くないことがわかった。
  論文  参考訳（メタデータ） (2026-09-18T14:52:26Z)
• DelusionEval: Measuring Delusion-Linked Behaviors in AI Chatbots [49.59847654758852]
  メンタルヘルスの専門家は、大きな言語モデル(LLM)との相互作用による心理的害のリスクを懸念している。 我々はDelusionEvalを開発した。DelusionEvalは、モデルがユーザの妄想を助長する行動を示す傾向をテストするための評価プロトコルである。 評価されたLCMが妄想関連行動を示す傾向は, モデルサイズ, リリース日, テストタイム推論の有無と確実に相関しないことがわかった。
  論文  参考訳（メタデータ） (2026-08-05T16:11:08Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations [60.63340688538124]
  幻覚は、視覚言語モデル(VLM)で積極的に研究されている長年の問題である。 既存の研究は、幻覚は技術的な制限や梅毒のバイアスによるもので、後者はモデルがユーザの期待に沿う誤った回答を生み出す傾向があることを意味している。 本研究では, VLMの認知バイアスを分類し, サイコフィナンシー, 論理的不整合, 新たに同定された VLM の行動, 権威へのアピールなど, 幻覚へと導く。
  論文  参考訳（メタデータ） (2025-07-03T19:03:16Z)
• Evaluating the Simulation of Human Personality-Driven Susceptibility to Misinformation with LLMs [0.18416014644193066]
  大規模言語モデル(LLM)により、大規模に合成行動データを生成することができる。 我々は,誤情報に対する個人的影響の変動を再現するために,Big-Fiveプロファイルに規定されたLLMエージェントの能力を評価する。
  論文  参考訳（メタデータ） (2025-06-30T08:16:07Z)
• Beyond Self-Reports: Multi-Observer Agents for Personality Assessment in Large Language Models [2.7010154811483167]
  本稿では,LLMエージェントの性格特性評価のための新しいマルチ・オブザーバ・フレームワークを提案する。 自己評価に頼る代わりに、複数のオブザーバエージェントを採用する。 これらの評価は従来の自己評価よりも人間の判断と密接に一致していることを示す。
  論文  参考訳（メタデータ） (2025-04-11T10:03:55Z)
• Can LLM Agents Maintain a Persona in Discourse? [3.286711575862228]
  大規模言語モデル(LLM)は、教育、法律、医学など、様々な分野でその能力を利用する会話エージェントとして広く利用されている。 LLMは、しばしばコンテキストシフトの振る舞いを受け、一貫性と解釈可能なパーソナリティ整合性の相互作用が欠如する。 LLMはパーソナライズされた対話へと導くことができるが、その性格特性を維持する能力はモデルと談話設定の組み合わせによって大きく異なる。
  論文  参考訳（メタデータ） (2025-02-17T14:36:39Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)

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。