AI Navigate

大規模言語モデルにおける動機づけ

arXiv cs.CL / 2026/3/17

📰 ニュースIdeas & Deep AnalysisModels & Research

要点

  • 本論は、大規模言語モデルがさまざまな動機づけのレベルを報告するかどうか、およびそれらの報告が行動とどのように関連するかを調査している。
  • LLMの自己申告の動機づけは構造化されており、選択、努力、パフォーマンスといった行動の指標と一致し、タスクの種類によってばらつきがある。
  • 外部要因はLLMの動機づけを調整できることを示しており、動機づけのダイナミクスは操作によって影響を受け得る。
  • 著者らは、動機づけをLLMの行動を統一して整理する一貫した構成概念として位置づけ、報告・行動・パフォーマンスを人間の心理学に類似した形で結びつける。

要約: 動機は人間の行動の中心的推進力であり、意思決定、目標設定、そして課題遂行を形作る。大規模言語モデル(LLMs)が人間の嗜好にますます整合するにつれて、それらが動機づけに類するものを示すのかを問う。LLMsが「報告」するさまざまなレベルの動機づけ、これらの報告が彼らの行動とどのように関連するか、そして外的要因がそれらに影響を与えるかを検討する。我々の実験は、人間の心理学を反響させる一貫性があり構造化されたパターンを明らかにする:自己申告された動機づけはさまざまな行動的特徴と一致し、タスクタイプによって異なり、外部の操作によって調整可能である。これらの発見は、動機づけがLLM挙動の一貫した組織的構成要素であることを示し、報告、選択、努力、パフォーマンスを体系的に結びつけ、人間の心理学に文献として記録されている動機付けのダイナミクスに似たものを明らかにする。この視点は、モデル挙動と人間の着想を得た概念との関連性についての理解を深める。

返却形式: {"translated": "翻訳されたHTML"}