論文の概要: Emergence of Scale-Free Networks in Social Interactions among Large Language Models

• arxiv url: http://arxiv.org/abs/2312.06619v1
• Date: Mon, 11 Dec 2023 18:43:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 14:18:30.212352
• Title: Emergence of Scale-Free Networks in Social Interactions among Large Language Models
• Title（参考訳）: 大規模言語モデル間の社会的相互作用におけるスケールフリーネットワークの出現
• Authors: Giordano De Marzo, Luciano Pietronero, David Garcia
• Abstract要約: GPT3.5-turbo を言語モデルとして,複数の生成因子の相互作用を解析した。 エージェントの改名によってトークンの先行値が削除され、ランダムネットワークからより現実的なスケールフリーネットワークまで、モデルが様々なネットワークを生成できることを示す。
• 参考スコア（独自算出の注目度）: 0.43967817176834806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scale-free networks are one of the most famous examples of emergent behavior and are ubiquitous in social systems, especially online social media in which users can follow each other. By analyzing the interactions of multiple generative agents using GPT3.5-turbo as a language model, we demonstrate their ability to not only mimic individual human linguistic behavior but also exhibit collective phenomena intrinsic to human societies, in particular the emergence of scale-free networks. We discovered that this process is disrupted by a skewed token prior distribution of GPT3.5-turbo, which can lead to networks with extreme centralization as a kind of alignment. We show how renaming agents removes these token priors and allows the model to generate a range of networks from random networks to more realistic scale-free networks.
• Abstract（参考訳）: スケールフリーネットワークは、創発的行動の最も有名な例の1つであり、社会システム、特にユーザーがフォローできるオンラインソーシャルメディアにおいてユビキタスである。 言語モデルとしてGPT3.5-turboを用いた複数生成エージェントの相互作用を解析することにより,人間の言語行動の模倣だけでなく,人間社会,特にスケールフリーネットワークの出現に固有の集団現象を示す能力を示す。 このプロセスは、GPT3.5-turboの配向前の歪んだトークンによって破壊され、ある種のアライメントとして極端に集中したネットワークにつながることが判明した。 エージェントがこれらのトークンを事前に削除し、モデルがランダムネットワークからより現実的なスケールフリーネットワークまで幅広いネットワークを生成する方法を示す。

関連論文リスト

• Matrix-weighted networks for modeling multidimensional dynamics [5.257502867974538]
  行列重み付きネットワーク(MWN)を用いた多次元相互作用力学モデリングのための新しい汎用フレームワークを提案する。 MWNの数学的基礎を概説し、この文脈におけるコンセンサス力学とランダムウォークを考察する。 この結果から,MWNのコヒーレンスにより,従来のネットワークにおけるコミュニティの概念と構造的バランスを一般化する,非自明な定常状態が生まれることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-07T16:47:30Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Modeling Random Networks with Heterogeneous Reciprocity [9.630755176298056]
  成長するソーシャルネットワークにおける多様な相互行動のモデル化手法を開発する。 本稿では,人気ユーザに対するアトラクションを模倣した異種相互性を持つ優先アタッチメントモデルを提案する。 提案手法を,不均一な相互行動パターンを持つFacebookのウォールポストネットワークの解析に適用する。
  論文  参考訳（メタデータ） (2023-08-19T21:21:25Z)
• Generalization and Estimation Error Bounds for Model-based Neural Networks [78.88759757988761]
  スパースリカバリのためのモデルベースネットワークの一般化能力は、通常のReLUネットワークよりも優れていることを示す。 我々は,高一般化を保証したモデルベースネットワークの構築を可能にする実用的な設計規則を導出する。
  論文  参考訳（メタデータ） (2023-04-19T16:39:44Z)
• Fitting Low-rank Models on Egocentrically Sampled Partial Networks [4.111899441919165]
  本稿では,egocentricly sampled network に対する一般的な低ランクモデルに適合する手法を提案する。 この手法は、エゴセントリックな部分的ネットワーク推定に関する最初の理論的保証を提供する。 本手法を複数の合成および実世界のネットワーク上で評価し,リンク予測タスクにおいて競合性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-03-09T03:20:44Z)
• Characterizing Polarization in Social Networks using the Signed Relational Latent Distance Model [0.0]
  ソーシャルネットワークにおける主要な関心事は、「us-versus-them」という考え方を促進する分極とフィルターバブルの出現である。 我々は,Skellam分布を符号付きネットワークの確率関数として初めて利用した潜在符号付きリレーショナル遅延dIstance Model (SLIM)を提案する。 本モデルでは, 友情や敵意をよく予測する低次元的特徴を抽出し, 極端位置で定義された解釈可能な可視化を提供する。
  論文  参考訳（メタデータ） (2023-01-23T16:01:26Z)
• Predicting Hidden Links and Missing Nodes in Scale-Free Networks with Artificial Neural Networks [1.0152838128195467]
  我々は,大規模ネットワークにおける隠れリンクや欠落ノードを予測するための手法を,アルゴリズムの形で提案した。 我々は,Bella Bollobasの有向スケールフリーなランダムグラフ生成アルゴリズムをランダムネットワークの生成元として使用し,大規模なスケールフリーなネットワークのデータを生成する。
  論文  参考訳（メタデータ） (2021-09-25T10:23:28Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。