2025年12月29日
## 要約：
本研究では、人間の道徳的判断データと大規模言語モデルを組み合わせたCOMETHというフレームワークを開発し、状況が曖昧な行動の受け入れやすさをモデル化しました。人間の判断に基づいた状況を学習することで、既存のLLMプロンプトよりも人間とより高い一致度を実現し、道徳的予測の根拠となる状況的特徴を明らかにしました。この研究は、道徳的状況のデータセット、再現性のあるパイプライン、および解釈可能な道徳的予測モデルの提供に貢献します。
---
## 翻訳：
道徳的な行動は、その結果だけでなく、発生する状況によっても判断されます。本研究では、確率的文脈学習者とLLMベースのセマンティック抽象化、そして人間の道徳的評価を統合し、状況が行動の受け入れやすさにどのように影響するかをモデル化するCOMETHというフレームワークを紹介します。私たちは、6つの主要な行動（殺さない、騙さない、法を破らない）にわたる300のシナリオで構成される、実証的に裏付けられたデータセットを収集し、N=101人の参加者から三者択一の判断（非難/中立/支持）を集めました。前処理パイプラインは、LLMフィルターとMiniLM埋め込み、K-meansを用いて行動を標準化し、堅牢で再現可能な主要行動クラスターを生成します。次に、COMETHは、人間からの判断分布を用いて原理的な発散基準に基づいてシナリオをオンラインでクラスタリングすることで、行動ごとの道徳的状況を学習します。一般化と説明のために、一般化モジュールは簡潔で非評価的な二値文脈特徴を抽出し、透明性の高い尤度ベースのモデルで特徴の重みを学習します。実証実験では、COMETHは、エンドツーエンドのLLMプロンプトと比較して、人間の多数の判断との整合性が約60%に対して約30%で約2倍になっています。また、予測を駆動する文脈特徴を明らかにしています。貢献は次のとおりです。(i) 実証的に裏付けられた道徳的状況データセット、(ii) 人間の判断とモデルベースの文脈学習とLLMセマンティクスを組み合わせた再現可能なパイプライン、および(iii) 文脈に応じた道徳的予測と説明のためのエンドツーエンドLLMの解釈可能な代替手段。
[📰 原文はこちら](https://arxiv.org/abs/2512.21439)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
