AIが動く。未来が更新される。フロンティアの大型言語モデルにおけるアッシュの同調性に関する定量的アプローチ
arXiv:2610.36668v1 公告タイプ：新規 要旨：アッシュの同調実験は、近年、大型言語モデル（LLMs）における同調性を測定する手法として大きな注目を集めています。これまでの研究では、主に大型言語モデルにおける同調性の実証に焦点が当てられてきましたが、本研究ではこのアプローチにさらに定量的な視点を加えています。具体的には、フロンティアの大型言語モデルに対して一連の質問を提示してサンプリングを行うのではなく、単一の質問を繰り返しサンプリングし、大型言語モデルの確率的特性を活用して回答の分布を生成します。これにより、モデルに人工的に作られたコンセンサスを提示する前後の回答分布を比較することが可能となります。実験の結果、フロンティアの大型言語モデルが実際に同調性を示すことを確認し、先行研究を裏付けるとともに、分布間の比較を通じて新たな知見を提供しています。
arXiv:2610.36668v1 公告タイプ：新規
要旨：アッシュの同調実験は、近年、大規模言語モデル（LLM）における同調を測定する手法として大きな注目を集めています。これまでの研究では、主にLLMにおける同調の存在を示すことに焦点が当てられてきましたが、本研究ではこのアプローチにさらに定量的な視点を加えました。従来のように一連の質問に対してフロントランクのLLMからサンプリングするのではなく、本研究では単一の質問を繰り返しサンプリングし、LLMの確率的性質を活用して回答の分布を生成します。これにより、モデルに人工的に作られたコンセンサスを提示する前後の回答分布を比較することが可能となります。実験結果は、フロントランクのLLMが実際に同調を示すことを確認し、先行研究を裏付けるとともに、分布間の比較を通じて、同調を引き起こす条件やその程度に関する追加の定量的データを提供しています。