実用的なパーソナ：推論のブリッジングでLLMのペルソナを発見する
arXiv cs.CL / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は「ブリッジング推論」を用いてLLMのペルソナを発見する新しいフレームワークを提案しており、発話同士をつなぐ暗黙の概念的関係に注目しています。
- トークン列としてチャットを扱ったり語彙・文体の手がかりに頼ったりするのではなく、談話内の関係を構造化された知識グラフとしてモデル化し、より深いコヒーレンスを捉えます。
- 複数の推論バックボーンと対象LLM（小規模モデルから80Bパラメータ級まで）での実験により、頻度や文体ベースのベースラインよりも意味的コヒーレンスが高く、ペルソナ同定が安定することが示されました。
- 著者らは、ペルソナの特性は孤立した語のパターンではなく、談話の構造的な組織化の中に一貫して符号化されていると主張しています。
- 公開コード（GitHub）も提供されており、Cognitive Discourse Theoryの観点から潜在的なLLMペルソナを探索・抽出・可視化する体系的枠組みを示しています。
