Fugu-MT 論文翻訳(概要): Language Evolution for Evading Social Media Regulation via LLM-based Multi-agent Simulation

論文の概要: Language Evolution for Evading Social Media Regulation via LLM-based Multi-agent Simulation

arxiv url: http://arxiv.org/abs/2405.02858v1
Date: Sun, 5 May 2024 09:02:54 GMT
ステータス: 処理完了
システム内更新日: 2024-05-07 18:00:36.456057
Title: Language Evolution for Evading Social Media Regulation via LLM-based Multi-agent Simulation
Title（参考訳）: LLMに基づくマルチエージェントシミュレーションによるソーシャルメディア規制の活用のための言語進化
Authors: Jinyu Cai, Jialong Li, Mingyue Zhang, Munan Li, Chen-Shu Wang, Kenji Tei,
Abstract要約: Twitter、Reddit、Sina Weiboといったソーシャルメディアプラットフォームは、グローバルコミュニケーションにおいて重要な役割を担っているが、地理的に敏感な地域では厳しい規制に直面していることが多い。本稿では,Large Language Models (LLM) を用いたマルチエージェント・シミュレーション・フレームワークを提案する。
参考スコア（独自算出の注目度）: 6.550725258692423
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Social media platforms such as Twitter, Reddit, and Sina Weibo play a crucial role in global communication but often encounter strict regulations in geopolitically sensitive regions. This situation has prompted users to ingeniously modify their way of communicating, frequently resorting to coded language in these regulated social media environments. This shift in communication is not merely a strategy to counteract regulation, but a vivid manifestation of language evolution, demonstrating how language naturally evolves under societal and technological pressures. Studying the evolution of language in regulated social media contexts is of significant importance for ensuring freedom of speech, optimizing content moderation, and advancing linguistic research. This paper proposes a multi-agent simulation framework using Large Language Models (LLMs) to explore the evolution of user language in regulated social media environments. The framework employs LLM-driven agents: supervisory agent who enforce dialogue supervision and participant agents who evolve their language strategies while engaging in conversation, simulating the evolution of communication styles under strict regulations aimed at evading social media regulation. The study evaluates the framework's effectiveness through a range of scenarios from abstract scenarios to real-world situations. Key findings indicate that LLMs are capable of simulating nuanced language dynamics and interactions in constrained settings, showing improvement in both evading supervision and information accuracy as evolution progresses. Furthermore, it was found that LLM agents adopt different strategies for different scenarios.
Abstract（参考訳）: Twitter、Reddit、Sina Weiboといったソーシャルメディアプラットフォームは、グローバルコミュニケーションにおいて重要な役割を担っているが、地理的に敏感な地域では厳しい規制に直面していることが多い。この状況は、ユーザーがこれらの規制されたソーシャルメディア環境において、しばしばコード化された言語に頼って、コミュニケーションの方法を巧みに修正するきっかけとなった。このコミュニケーションの変化は単なる規制に対抗する戦略ではなく、言語進化の鮮明な表象であり、社会的・技術的圧力の下で言語がどのように自然に進化するかを示している。規制されたソーシャルメディアの文脈における言語の発展を研究することは、言論の自由の確保、コンテンツモデレーションの最適化、言語研究の進展において重要な意味を持つ。本稿では,Large Language Models (LLM) を用いたマルチエージェント・シミュレーション・フレームワークを提案する。このフレームワークでは、LLM主体のエージェントが採用され、会話をしながら言語戦略を進化させ、ソーシャルメディア規制を回避するための厳格な規制の下でコミュニケーションスタイルの進化をシミュレートする。この研究は、抽象シナリオから現実の状況まで、様々なシナリオを通してフレームワークの有効性を評価する。鍵となる知見は、LLMが言語力学と制約された環境での相互作用をシミュレートでき、進化が進むにつれて、監督の回避と情報の正確さが向上することを示している。さらに, LLMエージェントは異なるシナリオに対して異なる戦略を採用することが判明した。

関連論文リスト

LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
論文参考訳（メタデータ） (2024-06-24T03:36:29Z)
Large Language Model-Enabled Multi-Agent Manufacturing Systems [4.139369134071008]
本研究は,大規模言語モデルによって生産におけるエージェントの能力が向上する新しい枠組みを提案する。ケーススタディでは、エージェントが効果的にコミュニケーションし、タスクを理解し、製造プロセスを実行する方法を示している。
論文参考訳（メタデータ） (2024-06-04T01:57:37Z)
Beyond Natural Language: LLMs Leveraging Alternative Formats for Enhanced Reasoning and Communication [79.79948834910579]
自然言語(NL)は長年、人間の認知とコミュニケーションの主要なフォーマットであった。本研究では,異なる文脈における非NLフォーマットの有用性を検討することで,NLのデフォルト利用に挑戦する。
論文参考訳（メタデータ） (2024-02-28T16:07:54Z)
SpeechAgents: Human-Communication Simulation with Multi-Modal Multi-Agent Systems [53.94772445896213]
大規模言語モデル(LLM)に基づくマルチエージェントシステムは,人間の社会をシミュレートする上で有望な性能を示した。本研究では,マルチモーダルLLMに基づくマルチエージェントシステムであるSpeechAgentsを提案する。
論文参考訳（メタデータ） (2024-01-08T15:01:08Z)
Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
論文参考訳（メタデータ） (2023-10-10T03:06:38Z)
On the Role of Emergent Communication for Social Learning in Multi-Agent Reinforcement Learning [0.0]
社会学習は、専門家からのヒントを使って、異質なポリシーを整列し、サンプルの複雑さを減らし、部分的に観察可能なタスクを解決する。本稿では,情報ボトルネックに基づく教師なし手法を提案する。
論文参考訳（メタデータ） (2023-02-28T03:23:27Z)
Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文参考訳（メタデータ） (2022-12-27T16:08:49Z)
Inner Monologue: Embodied Reasoning through Planning with Language Models [81.07216635735571]
大規模言語モデル(LLM)は自然言語処理以外の領域に適用できる。具体化された環境でのLLMの計画には、何をすべきかだけでなく、どのように、いつ行うべきかを考える必要がある。環境フィードバックを活用することで、LLMはロボット制御シナリオにおいてよりリッチな処理と計画を行うことができる内部モノローグを形成することができる。
論文参考訳（メタデータ） (2022-07-12T15:20:48Z)
Creolizing the Web [2.393911349115195]
本稿では,言語進化の社会学的モデルにおける進化パターンの検出手法を提案する。我々は,個人間のコミュニケーションに基づく言語の一般化進化モデルに対する厳密な基礎を提供する最小主義モデルを開発した。実験結果とその解釈を rdt から得られた実世界のデータセットに提示し,コミュニティを識別し,意見の反響室を抽出する。
論文参考訳（メタデータ） (2021-02-24T16:08:45Z)

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。