ここから限定コンテンツ
| Do Machines Think Emotionally? Cognitive Appraisal Analysis of Large Language Models | 機械は感情的に考えるのか？大規模言語モデルの認知評価分析 | https://arxiv.org/abs/2508.05880 |
| Hand by Hand: LLM Driving EMS Assistant for Operational Skill Learning | 手と手：LLM運転EMSアシスタントによる運用スキルの習得 | https://arxiv.org/abs/2508.06000 |
| When a Paper Has 1000 Authors: Rethinking Citation Metrics in the Era of LLMs | 論文に1000人の著者がいる場合：LLM時代の引用指標の再考 | https://arxiv.org/abs/2508.06004 |
| EvolvR: Self-Evolving Pairwise Reasoning for Story Evaluation to Enhance Generation | EvolvR: ストーリー評価のための自己進化型ペアワイズ推論による生成強化 | https://arxiv.org/abs/2508.06046 |
| ConlangCrafter: Constructing Languages with a Multi-Hop LLM Pipeline | ConlangCrafter: マルチホップLLMパイプライン による言語構築 | https://arxiv.org/abs/2508.06094 |
| Scaling Personality Control in LLMs with Big Five Scaler Prompts | ビッグファイブスケールプロンプトを用いた LLMにおける人格制御のスケーリング | https://arxiv.org/abs/2508.06149 |
| MA-CBP: A Criminal Behavior Prediction Framework Based on Multi-Agent Asynchronous Collaboration | MA-CBP: マルチエージェント非同期コラボレーションに基づく犯罪行動予測フレームワーク | https://arxiv.org/abs/2508.06189 |
| EICAP: Deep Dive in Assessment and Enhancement of Large Language Models in Emotional Intelligence through Multi-Turn Conversations | EICAP: マルチターン会話による感情知能における大規模言語モデルの評価と強化の深掘り | https://arxiv.org/abs/2508.06196 |
| Beyond Prompt-Induced Lies: Investigating LLM Deception on Benign Prompts | プロンプト誘導による嘘を超えて：良性プロンプトによる LLM欺瞞の調査 | https://arxiv.org/abs/2508.06361 |
| What Builds Effective In-Context Examples for Code Generation? | コード生成のための効果的なコンテキスト内例を構築するものは何ですか? | https://arxiv.org/abs/2508.06414 |
| Echoes of Automation: The Increasing Use of LLMs in Newsmaking | 自動化の反響：ニュース制作におけるLLMの利用増加 | https://arxiv.org/abs/2508.06445 |
| Post-training for Efficient Communication via Convention Formation | コンベンション形成による効率的なコミュニケーションのための事後研修 | https://arxiv.org/abs/2508.06482 |
| Non-programmers Assessing AI-Generated Code: A Case Study of Business Users Analyzing Data | 非プログラマーによるAI生成コードの評価：ビジネスユーザーによるデータ分析のケーススタディ | https://arxiv.org/abs/2508.06484 |
| Testing the Limits of Machine Translation from One Book | 1冊の本から機械翻訳の限界を検証する | https://arxiv.org/abs/2508.06665 |
| Score Before You Speak: Improving Persona Consistency in Dialogue Generation using Response Quality Scores | 話す前にスコアを付ける：応答品質スコアを使用した対話生成におけるペルソナの一貫性の向上 | https://arxiv.org/abs/2508.06886 |
| When Prompt Engineering Meets Software Engineering: CNL-P as Natural and Robust “APIs” for Human-AI Interaction | プロンプトエンジニアリングとソフトウェアエンジニアリングが出会うとき: 人間と AI のインタラクションのための自然で堅牢な「API」としての CNL-P | https://arxiv.org/abs/2508.06942 |
| Large Language Models Do Not Simulate Human Psychology | 大規模言語モデルは人間の心理をシミュレートしない | https://arxiv.org/abs/2508.06950 |
| “Pull or Not to Pull?”: Investigating Moral Biases in Leading Large Language Models Across Ethical Dilemmas | 「引っ張るべきか、引っ張るべきでないか？」：倫理的ジレンマを乗り越える大規模言語モデルの主導における道徳的バイアスの調査 | https://arxiv.org/abs/2508.07284 |
| Positional Biases Shift as Inputs Approach Context Window Limits | 入力がコンテキストウィンドウの制限に近づくにつれて、位置バイアスが変化します。 | https://arxiv.org/abs/2508.07479 |
| In-situ Value-aligned Human-Robot Interactions with Physical Constraints | 物理的な制約を伴う、その場で価値に沿った人間とロボットの相互作用 | https://arxiv.org/abs/2508.07606 |
| Large Language Models for Subjective Language Understanding: A Survey | 主観的な言語理解のための大規模な言語モデル：調査 | https://arxiv.org/abs/2508.07959 |
| ChatGPT on the Road: Leveraging Large Language Model-Powered In-vehicle Conversational Agents for Safer and More Enjoyable Driving Experience | 道路上のChatGPT：より安全で楽しい運転体験のための大型言語モデルを活用した車載会話エージェントを活用する | https://arxiv.org/abs/2508.08101 |
| Street-Level AI: Are Large Language Models Ready for Real-World Judgments? | ストリートレベルのAI：大規模な言語モデルは現実世界の判断の準備ができていますか？ | https://arxiv.org/abs/2508.08193 |
| Heartificial Intelligence: Exploring Empathy in Language Models | 心の知性：言語モデルにおける共感の探求 | https://arxiv.org/abs/2508.08271 |
| Assessing the Quality of AI-Generated Exams: A Large-Scale Field Study | AI生成試験の品質評価：大規模なフィールドスタディ | https://arxiv.org/abs/2508.08314 |
| UrzaGPT: LoRA-Tuned Large Language Models for Card Selection in Collectible Card Games | UrzaGPT：収集可能なカードゲームでのカード選択のためのLoRA調整された大きな言語モデル | https://arxiv.org/abs/2508.08382 |
| Temporal User Profiling with LLMs: Balancing Short-Term and Long-Term Preferences for Recommendations | LLMによる一時的なユーザープロファイリング：推奨事項の短期的および長期的な好みのバランスをとる | https://arxiv.org/abs/2508.08454 |
| Using LLMs to Capture Users’ Temporal Context for Recommendation | LLMを使用して、推奨のためのユーザーの時間的コンテキストをキャプチャする | https://arxiv.org/abs/2508.08512 |
| Profiling Large Language Model Inference on Apple Silicon: A Quantization Perspective | アップルシリコンの大言語モデル推論のプロファイリング：量子化の視点 | https://arxiv.org/abs/2508.08531 |
| Exploring Large Language Model Agents for Piloting Social Experiments | 社会実験のパイロットのための大規模言語モデルエージェントの探索 | https://arxiv.org/abs/2508.08678 |
| Simulating Generative Social Agents via Theory-Informed Workflow Design | 理論に基づくワークフロー設計による生成的ソーシャルエージェントのシミュレーション | https://arxiv.org/abs/2508.08726 |
| OdysseyBench: Evaluating LLM Agents on Long-Horizon Complex Office Application Workflows | OdysseyBench:長期にわたる複雑なオフィスアプリケーションワークフローにおける LLMエージェントの評価 | https://arxiv.org/abs/2508.09124 |
| Teaching Code Refactoring Using LLMs | LLM を使ったコードリファクタリングの指導 | https://arxiv.org/abs/2508.09332 |
| Your Coding Intent is Secretly in the Context and You Should Deliberately Infer It Before Completion | コーディングの意図はコンテキストの中に秘められており、完了前に意図的に推測する必要がある | https://arxiv.org/abs/2508.09537 |
| How Persuasive Could LLMs Be? A First Study Combining Linguistic-Rhetorical Analysis and User Experiments | LLMは どれほど説得力を持つのか？言語修辞分析とユーザー実験を組み合わせた初の研究 | https://arxiv.org/abs/2508.09614 |
| Performance of GPT-5 Frontier Models in Ophthalmology Question Answering | 眼科質問応答におけるGPT-5フロンティアモデルの性能 | https://arxiv.org/abs/2508.09956 |
| A Rose by Any Other Name Would Smell as Sweet: Categorical Homotopy Theory for Large Language Models | バラはどんな名前で呼んでも甘い香りがする：大規模言語モデルのためのカテゴリカルホモトピー理論 | https://arxiv.org/abs/2508.10018 |
| Detecting and explaining postpartum depression in real-time with generative artificial intelligence | 生成型人工知能による産後うつ病のリアルタイム検出と説明 | https://arxiv.org/abs/2508.10025 |
| Large Language Models Show Signs of Alignment with Human Neurocognition During Abstract Reasoning | 大規模言語モデルは抽象的推論において人間の神経認知との整合の兆候を示す | https://arxiv.org/abs/2508.10057 |
| What to Ask Next? Probing the Imaginative Reasoning of LLMs with TurtleSoup Puzzles | 次に何を問うべきか？タートルスープパズルでLLMの想像力豊かな推論を探る | https://arxiv.org/abs/2508.10358 |
| Computational Economics in Large Language Models: Exploring Model Behavior and Incentive Design under Resource Constraints | 大規模言語モデルにおける計算経済学：資源制約下におけるモデル挙動とインセンティブ設計の探究 | https://arxiv.org/abs/2508.10426 |
| Modeling Human Responses to Multimodal AI Content | マルチモーダルAIコンテンツに対する人間の反応のモデル化 | https://arxiv.org/abs/2508.10769 |
| Psyche-R1: Towards Reliable Psychological LLMs through Unified Empathy, Expertise, and Reasoning | Psyche-R1：共感、専門知識、推論の統合による 信頼できる心理学LLMの実現 | https://arxiv.org/abs/2508.10848 |
