インテリジェントシステムの自律性が高まるにつれ、科学コミュニティは従来の効用最大化モデルとは異なり、倫理的・道徳的考慮を含む意思決定メカニズムの構築に注力している。これを実現する上で重要な側面は、これらの決定が人間の価値観とどの程度整合しているかを評価することである。この目的のために有望な研究の流れは、大規模言語モデル（LLM）を用いてテキストから明示的または暗黙的な人間の価値を識別するアプローチの開発に焦点を当てており、それによって価値の認識を全体にわたって可能にする。
本論文は、テキスト中に存在する人間的価値を検出し、その強度を定量化するためのLLMベースのアーキテクチャを紹介する。これは、特定の価値理論や複雑なプロンプトエンジニアリングに縛られる従来のアプローチの限界を回避することを目的としている。アーキテクチャは3つの協調モジュールから構成される。第一のモジュールは、任意の理論的枠組みの基礎テキストから構造化された価値仕様を生成する。第二のモジュールは、この仕様を用いてテキストをラベリングする。第三のモジュールは、修辞的および意味的証拠に基づいて、段階的な支持または抵抗を割り当てる。
このモジュール式のアプローチは、価値の概念化タスクと検出タスクを分離し、スケーラブルで再現可能なプロセスを創出する。このプロセスは、様々な理論に適応可能な価値仕様によって駆動される。研究チームは複数のLLMでアーキテクチャをインスタンス化し、ValueEvalデータセットを用いて評価した。実験の結果、良好な検出性能が示され、パイプラインの汎用性が確認された。
本論文は、第18回国際エージェントおよび人工知能会議（ICAART 2026）の論文集に掲載され、8ページ、図1点で構成されている。人工知能、計算と言語、コンピュータと社会などの分野にまたがり、ACM分類はI.2.7およびI.2.1である。