論文の概要: Large Language Models for Behavioral Economics: Internal Validity and Elicitation of Mental Models

• arxiv url: http://arxiv.org/abs/2407.12032v1
• Date: Sun, 30 Jun 2024 10:58:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-07-22 11:20:27.674103
• Title: Large Language Models for Behavioral Economics: Internal Validity and Elicitation of Mental Models
• Title（参考訳）: 行動経済学のための大規模言語モデル:内的妥当性とメンタルモデルの排除
• Authors: Brian Jabarian,
• Abstract要約: 我々は、生成AI、特にLarge Language Models(LLMs)を行動経済学や実験経済学に統合し、内部妥当性を高めるための変革の可能性を探る。 本研究では, LLMが実験設計, 参加意識, 精神モデル測定の妥当性をいかに向上させるかを示すケーススタディを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this article, we explore the transformative potential of integrating generative AI, particularly Large Language Models (LLMs), into behavioral and experimental economics to enhance internal validity. By leveraging AI tools, researchers can improve adherence to key exclusion restrictions and in particular ensure the internal validity measures of mental models, which often require human intervention in the incentive mechanism. We present a case study demonstrating how LLMs can enhance experimental design, participant engagement, and the validity of measuring mental models.
• Abstract（参考訳）: 本稿では,生成型AI,特にLarge Language Models(LLMs)を行動経済学や実験経済学に統合し,内部妥当性を高めるための変革の可能性について検討する。 AIツールを活用することで、研究者は主要な排除制限への順守を改善し、特にインセンティブメカニズムへの人間の介入を必要とするメンタルモデルの内部的妥当性を確実にすることができる。 本研究では, LLMが実験設計, 参加意識, 精神モデル測定の妥当性をいかに向上させるかを示すケーススタディを提案する。

関連論文リスト

• BioLLMAgent: A Hybrid Framework with Enhanced Structural Interpretability for Simulating Human Decision-Making in Computational Psychiatry [16.51908698615755]
  評価された認知モデルと大規模言語モデルの生成能力を組み合わせた,新しいハイブリッドフレームワークであるBioLLMAgentを紹介する。 アイオワ・ギャンブリング・タスクの実験では、BioLLMAgentは人間の行動パターンを正確に再現している。 BioLLMAgentは、精神医学研究における機械的仮説と介入戦略をテストするために構造的に解釈可能な「計算サンドボックス」を提供する。
  論文  参考訳（メタデータ） (2026-03-05T10:04:24Z)
• Structured Personality Control and Adaptation for LLM Agents [11.050618253938126]
  大規模言語モデル(LLM)は、ますますヒトとコンピュータの相互作用(HCI)を形作っている ユング心理学的タイプを用いたLLMパーソナリティをモデル化する枠組みを提案する。 この設計により、エージェントは対話要求に応じて動的に調整しながらニュアンス付き特性を維持することができる。
  論文  参考訳（メタデータ） (2026-01-15T03:15:24Z)
• Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
  SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。 SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-22T06:01:21Z)
• Beyond Benchmarks: Understanding Mixture-of-Experts Models through Internal Mechanisms [55.1784306456972]
  Mixture-of-Experts (MoE)アーキテクチャは、推論中にパラメータのサブセットだけをアクティベートすることで、効率とスケーラビリティを提供する、有望な方向性として登場した。 内部メトリックを用いて、ルーティング機構を明示的に取り入れ、専門家レベルの振る舞いを分析することで、MoEアーキテクチャのメカニズムを解明する。 その結果,(1)モデルの発展に伴ってニューロンの利用が減少し,より高度な一般化が期待できる,(2)ベンチマークのパフォーマンスが限られた信号のみを提供するダイナミックな軌道を示す,(3)複数の専門家の協力的貢献からタスク完了が生じる,(4)ニューロンレベルでの活性化パターンがデータ多様性のきめ細かいプロキシを提供する,といった結果が得られた。
  論文  参考訳（メタデータ） (2025-09-28T15:13:38Z)
• Large Language Models as Psychological Simulators: A Methodological Guide [0.0]
  本稿では,2つの主要なアプリケーションを対象とした心理シミュレータとして,大規模言語モデルを使用するためのフレームワークを提供する。 シミュレーションでは,集団的カテゴリーを超えて心理的基盤を持つペルソナを開発する手法を提案する。 我々は、素早い感度、トレーニングデータカットオフからの時間的制限、従来の人的対象のレビューを超えて広がる倫理的考慮など、包括的な課題に対処する。
  論文  参考訳（メタデータ） (2025-06-20T02:45:23Z)
• Exploring and Exploiting the Inherent Efficiency within Large Reasoning Models for Self-Guided Efficiency Enhancement [101.77467538102924]
  大きな推論モデル(LRM)は、効率を阻害し、推論コストを膨らませる過剰な考えを示す。 LRM効率を向上させるための2つの軽量手法を提案する。 まず,学習不要なアクティベーションステアリング技術であるEfficic Steeringを導入する。 第2に,タスクの正確さと簡潔さを動的にバランスする強化学習フレームワークである自己回帰効率RLを開発する。
  論文  参考訳（メタデータ） (2025-06-18T17:18:12Z)
• Empowering Economic Simulation for Massively Multiplayer Online Games through Generative Agent-Based Modeling [53.26311872828166]
  我々は,MMO経済シミュレーションにおいて,Large Language Models (LLMs) を用いた新しいアプローチを導入するための予備的なステップを採っている。 我々は人間のような意思決定と適応性を備えたLSM駆動型エージェントを設計する。 これらのエージェントはロールプレイング、知覚、記憶、推論の能力を備え、上記の課題を効果的に解決する。
  論文  参考訳（メタデータ） (2025-06-05T07:21:13Z)
• Artificial Behavior Intelligence: Technology, Challenges, and Future Directions [1.5237607855633524]
  本稿では,ABI(Artificial Behavior Intelligence)の技術的枠組みを定義する。 ABIは、人間の姿勢、表情、感情、行動シーケンス、文脈的手がかりを包括的に分析し、解釈する。 ポーズ推定、顔と感情の認識、シーケンシャルな行動分析、文脈認識モデリングなど、ABIの本質的なコンポーネントについて詳述する。
  論文  参考訳（メタデータ） (2025-05-06T08:45:44Z)
• Towards Artificial Intelligence Research Assistant for Expert-Involved Learning [64.7438151207189]
  大規模言語モデル (LLMs) と大規模多モードモデル (LMMs) は科学研究における変革的ツールとして登場している。 textbfExpert-involved textbfLearning (ARIEL)のためのtextbfARtificial textbfIntelligence Research Assistantを提案する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• Evolution of AI in Education: Agentic Workflows [2.1681971652284857]
  人工知能(AI)は教育の様々な側面を変えてきた。 大規模言語モデル(LLM)は、自動学習、アセスメント、コンテンツ生成の進歩を推進している。 これらの制限に対処し、より持続可能な技術プラクティスを促進するために、AIエージェントは教育革新のための有望な新しい道として登場した。
  論文  参考訳（メタデータ） (2025-04-25T13:44:57Z)
• Modeling Subjectivity in Cognitive Appraisal with Language Models [16.846297851557477]
  様々なシナリオに対して包括的な実験と分析を行うことで、言語モデルがどのように主観性を活用できるかを示す。 その結果,人格特性と人口統計情報は主観性を測定する上で重要であることが明らかとなった。
  論文  参考訳（メタデータ） (2025-03-14T13:25:41Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• Towards a Formal Theory of the Need for Competence via Computational Intrinsic Motivation [6.593505830504729]
  我々は、自己決定理論(SDT)における「能力の必要性」に焦点をあてる。 我々は、強化学習(RL)の分野から計算モデルを描くことにより、これらの矛盾が軽減される可能性を示唆する。 我々の研究は、理論の側面を定式化した新しい計算モデルを導入し、理論を洗練させるために実験的にテストできる理論開発のサイクルを支援することができる。
  論文  参考訳（メタデータ） (2025-02-11T10:03:40Z)
• Build An Influential Bot In Social Media Simulations With Large Language Models [7.242974711907219]
  本研究では,エージェントベースモデリング(ABM)とLarge Language Models(LLM)を組み合わせた新しいシミュレーション環境を提案する。 本稿では,Reinforcement Learning (RL) の革新的応用として,世論指導者形成の過程を再現する手法を提案する。 以上の結果から,行動空間の制限と自己観察の導入が,世論指導層形成の安定に寄与する重要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-29T11:37:12Z)
• Can Language Models Learn to Skip Steps? [59.84848399905409]
  我々は推論においてステップをスキップする能力について研究する。 効率を高めたり認知負荷を減らすためのステップをスキップする人間とは異なり、モデルはそのようなモチベーションを持っていない。 私たちの研究は、人間のようなステップスキッピング能力に関する最初の調査である。
  論文  参考訳（メタデータ） (2024-11-04T07:10:24Z)
• On the Modeling Capabilities of Large Language Models for Sequential Decision Making [52.128546842746246]
  大規模な事前訓練されたモデルでは、推論や計画タスクのパフォーマンスがますます向上している。 我々は、直接的または間接的に、意思決定ポリシーを作成する能力を評価する。 未知の力学を持つ環境において、合成データを用いた微調整LDMが報酬モデリング能力を大幅に向上させる方法について検討する。
  論文  参考訳（メタデータ） (2024-10-08T03:12:57Z)
• Exploring the Personality Traits of LLMs through Latent Features Steering [12.142248881876355]
  本研究では, 文化的規範や環境ストレス要因などの要因が, 大規模言語モデル(LLM)内でどのように性格特性を形作るかを検討する。 本研究では,モデル内の要因に対応する潜在特徴を抽出し,ステアリングすることで,モデルの振る舞いを変更する訓練自由アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-07T21:02:34Z)
• Alleviating Hallucinations in Large Language Models with Scepticism Modeling [7.976667090775774]
  幻覚は、大きな言語モデル(LLM)にとって大きな課題である。 不確実性推定は幻覚の損傷を軽減するために用いられる。 この観察により、我々は懐疑論モデリング(SM)と呼ばれる新しいアプローチを提案した。
  論文  参考訳（メタデータ） (2024-09-10T15:51:15Z)
• Improving the Prediction of Individual Engagement in Recommendations Using Cognitive Models [21.15527488762049]
  本稿では、インスタンスベース学習理論に基づく認知モデルが、既存の純粋計算アプローチをどのように拡張するかを示す。 この結果から,一般時系列予測器(LSTMなど)と比較して,ILBモデルは個人の状態のダイナミクスをよりよく予測できることがわかった。
  論文  参考訳（メタデータ） (2024-08-28T21:28:45Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Mental Modeling of Reinforcement Learning Agents by Language Models [14.668006477454616]
  この研究は、いかに大きな言語モデルがエージェントのメンタルモデルを構築することができるか、初めて実証的に検証する。 本研究は, LLMを用いたRL剤の挙動解明の可能性を明らかにする。
  論文  参考訳（メタデータ） (2024-06-26T17:14:45Z)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
  人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。 これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。 MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。 パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
  論文  参考訳（メタデータ） (2022-05-20T07:32:57Z)
• 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)

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。