論文の概要: Network Formation and Dynamics Among Multi-LLMs

• arxiv url: http://arxiv.org/abs/2402.10659v1
• Date: Fri, 16 Feb 2024 13:10:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-19 16:15:32.382480
• Title: Network Formation and Dynamics Among Multi-LLMs
• Title（参考訳）: マルチLLMのネットワーク形成とダイナミクス
• Authors: Marios Papachristou, Yuan Yuan
• Abstract要約: ソーシャルネットワークは、人間の社会における情報や規範の普及において重要な役割を担っている。 大規模言語モデル(LLM)が社会的および専門的な環境に統合されるにつれて、社会的ネットワークや相互作用の文脈内での彼らの行動を理解することが不可欠となる。 本研究では、標準的なネットワーク構造と実世界のネットワークの挙動を分析し、複数のLLMの力学が人間の社会力学と一致するかどうかを判定する。
• 参考スコア（独自算出の注目度）: 6.901329955870466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social networks influence behaviors, preferences, and relationships and play a crucial role in the dissemination of information and norms within human societies. As large language models (LLMs) increasingly integrate into social and professional environments, understanding their behavior within the context of social networks and interactions becomes essential. Our study analyzes the behaviors of standard network structures and real-world networks to determine whether the dynamics of multiple LLMs align with human social dynamics. We explore various social network principles, including micro-level concepts such as preferential attachment, triadic closure, and homophily, as well as macro-level concepts like community structure and the small-world phenomenon. Our findings suggest that LLMs demonstrate all these principles when they are provided with network structures and asked about their preferences regarding network formation. Furthermore, we investigate LLMs' decision-making based on real-world networks to compare the strengths of these principles. Our results reveal that triadic closure and homophily have a stronger influence than preferential attachment and that LLMs substantially exceed random guessing in the task of network formation predictions. Overall, our study contributes to the development of socially aware LLMs by shedding light on LLMs' network formation behaviors and exploring their impacts on social dynamics and norms.
• Abstract（参考訳）: 社会的ネットワークは行動、嗜好、関係に影響を与え、人間の社会における情報や規範の普及に重要な役割を果たしている。 大規模言語モデル(LLM)が社会的および専門的な環境に統合されるにつれて、社会的ネットワークや相互作用の文脈内での彼らの行動を理解することが不可欠となる。 本研究では,標準的なネットワーク構造と実世界のネットワークの動作を分析し,複数のllmのダイナミクスが人間の社会的ダイナミクスと一致するかどうかを判断する。 我々は,優先アタッチメント,トライ進クロージャ,ホモフィリといったミクロレベルの概念や,コミュニティ構造やスモールワールド現象といったマクロレベルの概念を含む,さまざまなソーシャルネットワークの原則を探求する。 この結果から,LLMにはネットワーク構造が備わっている場合の原則が示され,ネットワーク形成に関する好みについて質問された。 さらに,これらの原則の強みを比較するために,実世界ネットワークに基づくllmsの意思決定について検討する。 以上の結果から,三進的閉包とホモフィリィは優先的なアタッチメントよりも強く,LLMはネットワーク形成予測のタスクにおいてランダムな推測をはるかに上回っていることが明らかとなった。 本研究は, LLMのネットワーク形成行動に光を当て, 社会的ダイナミクスや規範に対する影響を探ることで, 社会に配慮したLCMの開発に寄与する。

関連論文リスト

• Engagement-Driven Content Generation with Large Language Models [8.049552839071918]
  大規模言語モデル(LLM)は1対1の相互作用において重要な説得能力を示す。 本研究では,相互接続型ユーザにおけるLCMの社会的影響と複雑な意見力学について検討する。
  論文  参考訳（メタデータ） (2024-11-20T10:40:08Z)
• Static network structure cannot stabilize cooperation among Large Language Model agents [6.868298200380496]
  大規模言語モデル(LLM)は、人間の社会的行動のモデル化にますます利用されている。 本研究の目的は,LLMとヒトの協調行動における並列性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-11-15T15:52:15Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• LLMs generate structurally realistic social networks but overestimate political homophily [42.229210482614356]
  ネットワーク生成のための3つのプロンプト手法を開発し、生成されたネットワークと実際のソーシャルネットワークを比較した。 より現実的なネットワークは、LLMが1つのペルソナの関係を1度に構築する"ローカル"な手法で生成される。 また, 生成したネットワークは, 密度, クラスタリング, コミュニティ構造, 程度など, 様々な特性で実ネットワークと一致していることがわかった。
  論文  参考訳（メタデータ） (2024-08-29T15:36:52Z)
• Rethinking Machine Unlearning for Large Language Models [85.92660644100582]
  大規模言語モデル(LLM)の領域における機械学習の研究 このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
  論文  参考訳（メタデータ） (2024-02-13T20:51:58Z)
• Do LLM Agents Exhibit Social Behavior? [5.094340963261968]
  State-Understanding-Value-Action (SUVA) は、社会的文脈における応答を体系的に分析するフレームワークである。 最終決定とそれにつながる反応生成プロセスの両方を通じて社会的行動を評価する。 発話に基づく推論がLLMの最終動作を確実に予測できることを実証する。
  論文  参考訳（メタデータ） (2023-12-23T08:46:53Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Influence of External Information on Large Language Models Mirrors Social Cognitive Patterns [51.622612759892775]
  社会的認知理論は、人々が他人を観察して知識を習得する方法を説明する。 近年,大規模言語モデル(LLM)の急速な発展を目撃している。 LLMは、AIエージェントとして、その認知と行動を形成する外部情報を観察することができる。
  論文  参考訳（メタデータ） (2023-05-08T16:10:18Z)
• Social learning spontaneously emerges by searching optimal heuristics with deep reinforcement learning [0.0]
  多次元ランドスケープにおける協調ゲームにおけるエージェントの社会的学習戦略を最適化するために、深層強化学習モデルを用いる。 エージェントは、コピー、頻繁で良好な隣人への焦点、自己比較、個人と社会学習のバランスの重要性など、社会的学習の様々な概念を自発的に学習する。 本研究では,時間的に変化する環境や実際のソーシャルネットワークなど,各種環境における強化学習エージェントの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-04-26T15:10:27Z)

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。