PulseAugur
实时 10:59:29
English(EN) Towards Trust Calibration in Socially Interactive Agents: Investigating Gendered Multimodal Behaviors Generation with LLMs

大型语言模型生成性别化行为,影响智能体的信任校准

研究人员开发了一种为社会交互式智能体生成多模态行为的方法,旨在根据智能体的能力和仁慈度来校准用户信任。该研究利用 GPT-5.4 生成语言、声音、手势和面部表情,并展示了跨模态的一致性。虽然生成的行为与预期的可信度水平一致,但研究也发现,当提示中指定性别时,大型语言模型倾向于延续性别刻板印象,将男性智能体与更高的能力相关联,将女性智能体与更高的仁慈度相关联。 AI

影响 这项研究强调了人工智能模型如何为智能体生成细致的行为,但也揭示了延续性别刻板印象的潜在可能性,从而影响用户信任和道德人工智能的发展。

排序理由 学术论文,详细介绍了一种生成人工智能智能体多模态行为的新方法,并分析了其对信任校准和潜在性别偏见的影响。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

大型语言模型生成性别化行为,影响智能体的信任校准

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Magalie Ochs ·

    迈向社会互动代理中的信任校准:利用大型语言模型研究性别化的多模态行为生成

    As Socially Interactive Agents (SIAs) become increasingly integrated into daily life, the ability to calibrate user trust to an agent's actual capabilities would help ensure appropriate usage of these agents. In this paper, we explore the capacity of Large Language Models (LLMs) …