論文の概要: Large Language Models Empowered Agent-based Modeling and Simulation: A
Survey and Perspectives
- arxiv url: http://arxiv.org/abs/2312.11970v1
- Date: Tue, 19 Dec 2023 09:06:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 16:11:17.731711
- Title: Large Language Models Empowered Agent-based Modeling and Simulation: A
Survey and Perspectives
- Title(参考訳): エージェントベースモデリングとシミュレーションによる大規模言語モデル--調査と展望
- Authors: Chen Gao, Xiaochong Lan, Nian Li, Yuan Yuan, Jingtao Ding, Zhilun
Zhou, Fengli Xu, Yong Li
- Abstract要約: 大きな言語モデルをエージェントベースのモデリングとシミュレーションに統合することは、シミュレーション能力を向上するための有望な道を示す。
まず,エージェントベースモデリングとシミュレーション,および大規模言語モデル駆動エージェントの背景を紹介する。
最も重要なことは、複数のシナリオにおける大規模言語モデルを利用したエージェントベースのモデリングとシミュレーションの最近の研究の概要を包括的に示すことである。
- 参考スコア(独自算出の注目度): 35.04018349811483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent-based modeling and simulation has evolved as a powerful tool for
modeling complex systems, offering insights into emergent behaviors and
interactions among diverse agents. Integrating large language models into
agent-based modeling and simulation presents a promising avenue for enhancing
simulation capabilities. This paper surveys the landscape of utilizing large
language models in agent-based modeling and simulation, examining their
challenges and promising future directions. In this survey, since this is an
interdisciplinary field, we first introduce the background of agent-based
modeling and simulation and large language model-empowered agents. We then
discuss the motivation for applying large language models to agent-based
simulation and systematically analyze the challenges in environment perception,
human alignment, action generation, and evaluation. Most importantly, we
provide a comprehensive overview of the recent works of large language
model-empowered agent-based modeling and simulation in multiple scenarios,
which can be divided into four domains: cyber, physical, social, and hybrid,
covering simulation of both real-world and virtual environments. Finally, since
this area is new and quickly evolving, we discuss the open problems and
promising future directions.
- Abstract(参考訳): エージェントベースのモデリングとシミュレーションは複雑なシステムをモデリングするための強力なツールとして進化し、様々なエージェント間の創発的な振る舞いと相互作用に関する洞察を提供する。
大きな言語モデルをエージェントベースのモデリングとシミュレーションに統合することは、シミュレーション能力を向上するための有望な道を示す。
本稿では,エージェントベースモデリングとシミュレーションにおける大規模言語モデル活用の展望を調査し,その課題と今後の展望について考察する。
本調査では,これが学際的な分野であるため,エージェントベースモデリングとシミュレーション,および大規模言語モデル駆動エージェントの背景を紹介する。
次に,大規模言語モデルをエージェントベースシミュレーションに適用する動機について論じ,環境認識,人間アライメント,行動生成,評価の課題を体系的に分析する。
最も重要なのは,複数のシナリオにおける大規模言語モデルによるエージェントベースモデリングとシミュレーションの最近の成果の概要を,サイバー,物理的,社会的,ハイブリッドの4つの領域に分けて,実環境と仮想環境の両方のシミュレーションをカバーする。
最後に、この分野は新しく、急速に進化しているため、オープンな問題と今後の方向性について議論する。
関連論文リスト
- The (R)Evolution of Multimodal Large Language Models: A Survey [48.61135328255951]
MLLM(Multimodal Large Language Models)は、視覚とテキストのモダリティを、入力と出力の両方としてシームレスに統合することができる。
本稿では,近年の視覚的MLLMのレビュー,アーキテクチャ選択,マルチモーダルアライメント戦略,トレーニング手法について述べる。
論文 参考訳(メタデータ) (2024-02-19T19:01:01Z) - Advancing Building Energy Modeling with Large Language Models:
Exploration and Case Studies [3.2457787311631785]
人工知能の急速な進歩は、ChatGPTのような大きな言語モデルの出現を促している。
本稿では,大規模言語モデルの革新的統合とエネルギーモデリングソフトウェアの構築について考察する。
論文 参考訳(メタデータ) (2024-02-14T21:02:07Z) - An Interactive Agent Foundation Model [50.50659114031731]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - Smart Agent-Based Modeling: On the Use of Large Language Models in
Computer Simulations [19.84766478633828]
エージェントベースモデリング(ABM)は、複雑なシステムダイナミクスをエミュレートするために個々のエージェントの相互作用を利用する。
本稿では,GPT のような大規模言語モデル (LLM) を ABM に組み込むことにより,これらの境界を超越する手法を提案する。
このアマルガメーションは、新しいフレームワーク、スマートエージェントベースモデリング(SABM)を生み出す。
論文 参考訳(メタデータ) (2023-11-10T18:54:33Z) - Generative Agent-Based Modeling: Unveiling Social System Dynamics
through Coupling Mechanistic Models with Generative Artificial Intelligence [0.5898893619901381]
生成人工知能を用いた社会システムのフィードバックに富む計算モデルを構築する新たな機会について論じる。
GABM(Generative Agent-Based Models)と呼ばれるこのモデルでは、ChatGPTのような大きな言語モデルを用いて、社会的環境における人間の意思決定を表現している。
本研究では,人的相互作用の力学モデルと事前学習された大規模言語モデルとを結合することにより,人間の行動がシミュレーションモデルに組み込むことができるGABMケースを提案する。
論文 参考訳(メタデータ) (2023-09-20T16:43:05Z) - GPT-Based Models Meet Simulation: How to Efficiently Use Large-Scale
Pre-Trained Language Models Across Simulation Tasks [0.0]
本稿では,科学シミュレーションにおける大規模事前学習言語モデルの利用に関する最初の研究である。
最初の課題は参加者の関与を促進する概念モデルの構造を説明することである。
第2のタスクはシミュレーション出力の要約に重点を置いており、モデルユーザーが望ましいシナリオを識別できるようにしている。
第3の課題は、シミュレーションの可視化の洞察をテキストで伝えることによって、シミュレーションプラットフォームへのアクセシビリティの拡大を目指している。
論文 参考訳(メタデータ) (2023-06-21T15:42:36Z) - Foundation Models for Decision Making: Problems, Methods, and
Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。
ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。
基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文 参考訳(メタデータ) (2023-03-07T18:44:07Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳(メタデータ) (2022-03-03T20:52:47Z) - Quantitatively Assessing the Benefits of Model-driven Development in
Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。
その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文 参考訳(メタデータ) (2020-06-15T23:29:04Z)
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。