論文の概要: Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents

• arxiv url: http://arxiv.org/abs/2409.08717v4
• Date: Tue, 06 May 2025 02:53:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 14:45:09.057003
• Title: Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents
• Title（参考訳）: LLMエージェントを用いたFusing Dynamics Equationを利用したソーシャルオピニオン予測
• Authors: Junchi Yao, Hongjie Zhang, Jie Ou, Dingyi Zuo, Zheng Yang, Zhicheng Dong,
• Abstract要約: 本研究では, Fusing Dynamics Equation-Large Language Model (FDE-LLM) アルゴリズムを提案する。 この革新的なアプローチは、大規模言語モデルにおける意見の行動と進化を、ソーシャルネットワーク上の実世界のデータと整合させる。 我々のアルゴリズムは、時間とともに意見の崩壊と回復を正確にシミュレートする。
• 参考スコア（独自算出の注目度）: 6.1923703280119105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the context where social media emerges as a pivotal platform for social movements and shaping public opinion, accurately simulating and predicting the dynamics of user opinions is of significant importance. Such insights are vital for understanding social phenomena, informing policy decisions, and guiding public opinion. Unfortunately, traditional algorithms based on idealized models and disregarding social data often fail to capture the complexity and nuance of real-world social interactions. This study proposes the Fusing Dynamics Equation-Large Language Model (FDE-LLM) algorithm. This innovative approach aligns the actions and evolution of opinions in Large Language Models (LLMs) with the real-world data on social networks. The FDE-LLM devides users into two roles: opinion leaders and followers. Opinion leaders use LLM for role-playing and employ Cellular Automata(CA) to constrain opinion changes. In contrast, opinion followers are integrated into a dynamic system that combines the CA model with the Susceptible-Infectious-Recovered (SIR) model. This innovative design significantly improves the accuracy of the simulation. Our experiments utilized four real-world datasets from Weibo. The result demonstrates that the FDE-LLM significantly outperforms traditional Agent-Based Modeling (ABM) algorithms and LLM-based algorithms. Additionally, our algorithm accurately simulates the decay and recovery of opinions over time, underscoring LLMs potential to revolutionize the understanding of social media dynamics.
• Abstract（参考訳）: ソーシャルメディアが社会運動や世論形成の重要なプラットフォームとして出現する状況では、ユーザの意見のダイナミクスを正確にシミュレートし、予測することが重要である。 このような洞察は、社会現象を理解し、政策決定を伝え、世論を導くのに不可欠である。 残念なことに、理想化されたモデルに基づく従来のアルゴリズムや、社会的データを無視するアルゴリズムは、現実世界の社会的相互作用の複雑さとニュアンスを捉えるのに失敗することが多い。 本研究では, Fusing Dynamics Equation-Large Language Model (FDE-LLM) アルゴリズムを提案する。 この革新的なアプローチは、Large Language Models(LLM)における意見の行動と進化と、ソーシャルネットワーク上の実世界のデータとを一致させる。 FDE-LLMはユーザを2つの役割 – 意見リーダーとフォロワー – に分割する。 意見のリーダーはロールプレイングにLLMを使用し、意見の変化を制限するためにCellular Automata(CA)を使用している。 対照的に、意見追随者は、CAモデルとSIRモデルを組み合わせた動的システムに統合される。 この革新的な設計はシミュレーションの精度を大幅に向上させる。 実験では,Weiboの4つの実世界のデータセットを用いた。 その結果、FDE-LLMは従来のエージェントベースモデリング(ABM)アルゴリズムやLLMベースのアルゴリズムよりも大幅に優れていた。 さらに、我々のアルゴリズムは、ソーシャルメディアのダイナミクスの理解に革命をもたらす可能性のあるLCMについて、時間とともに意見の崩壊と回復を正確にシミュレートする。

関連論文リスト

• SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
  本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。 私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。 SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
  論文  参考訳（メタデータ） (2025-04-14T12:12:52Z)
• MOSAIC: Modeling Social AI for Content Dissemination and Regulation in Multi-Agent Simulations [17.780541196299954]
  生成言語エージェントがユーザの行動を予測できる新しいオープンソースのソーシャルネットワークシミュレーションフレームワークMOSAICを提案する。 このシミュレーションは、LCMエージェントと有向なソーシャルグラフを組み合わせることで、創発的偽装行動を分析し、ユーザがオンラインソーシャルコンテンツの正確性をどのように判断するかをよりよく理解する。
  論文  参考訳（メタデータ） (2025-04-10T15:06:54Z)
• Large Language Model Driven Agents for Simulating Echo Chamber Formation [5.6488384323017]
  ソーシャルメディアプラットフォームにおけるエコーチャンバーの台頭は、分極と既存の信念の強化に対する懸念を高めている。 エコーチャンバーの形成をシミュレーションするための従来の手法は、しばしば事前定義された規則や数値シミュレーションに依存してきた。 本稿では,大言語モデル(LLM)を生成エージェントとして活用し,エコーチャンバー力学をシミュレートする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-25T12:05:11Z)
• Sense and Sensitivity: Evaluating the simulation of social dynamics via Large Language Models [27.313165173789233]
  大規模言語モデルは、社会力学をシミュレートする古典的エージェントベースモデル(ABM)の強力な代替物として提案されている。 しかし、LLMのブラックボックスの性質から、LLMエージェントが実際に意図した意味論を実行するかどうかは不明である。 目的とする力学を近似するプロンプトを設計することは可能であるが、これらのシミュレーションの品質はプロンプトの特定の選択に非常に敏感である。
  論文  参考訳（メタデータ） (2024-12-06T14:50:01Z)
• 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)
• Reward-free World Models for Online Imitation Learning [25.304836126280424]
  本研究では,報酬のない世界モデルを活用したオンライン模倣学習手法を提案する。 提案手法は, 復元を伴わない潜在空間における環境力学を学習し, 効率的かつ高精度なモデリングを可能にする。 DMControl,myoSuite, ManiSkill2 など,様々なベンチマークを用いて本手法の評価を行い,既存手法と比較して優れた実証性能を示した。
  論文  参考訳（メタデータ） (2024-10-17T23:13:32Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Simulating Opinion Dynamics with Networks of LLM-based Agents [7.697132934635411]
  本稿では,Large Language Models (LLMs) の集団に基づく意見力学のシミュレーション手法を提案する。 以上の結果から, LLMエージェントの正確な情報生成に対するバイアスが強く, シミュレーションエージェントが科学的現実に一致していることが明らかとなった。 しかし、素早い工学を通して確認バイアスを誘導した後、既存のエージェント・ベース・モデリングや意見ダイナミクス研究と並んで意見の断片化を観察した。
  論文  参考訳（メタデータ） (2023-11-16T07:01:48Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• 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)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Multi-Agent Inverse Reinforcement Learning: Suboptimal Demonstrations and Alternative Solution Concepts [0.0]
  マルチエージェント逆強化学習は、社会的環境におけるエージェントから報酬関数を学習するために用いられる。 現実的な社会的ダイナミクスをモデル化するには、MIRL法は最適な人間の推論と振る舞いを考慮しなければならない。
  論文  参考訳（メタデータ） (2021-09-02T19:15:29Z)
• Information Theoretic Model Predictive Q-Learning [64.74041985237105]
  本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。 バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2019-12-31T00:29:22Z)

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。