論文の概要: Simulating Rumor Spreading in Social Networks using LLM Agents
- arxiv url: http://arxiv.org/abs/2502.01450v1
- Date: Mon, 03 Feb 2025 15:39:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:57:15.042884
- Title: Simulating Rumor Spreading in Social Networks using LLM Agents
- Title（参考訳）: LLMエージェントを用いたソーシャルネットワークにおける噂拡散のシミュレーション
- Authors: Tianrui Hu, Dimitrios Liakopoulos, Xiwen Wei, Radu Marculescu, Neeraja J. Yadwadkar,
- Abstract要約: 本研究では,ソーシャルネットワーク上でのうわさ伝播のダイナミクスをシミュレートし,解析するために,LLMエージェントを用いた新しいフレームワークを提案する。
本フレームワークは,各種ネットワーク構築とエージェントの動作が噂の拡散に与える影響を評価する。
- 参考スコア（独自算出の注目度）: 6.020728648433059
- License:
- Abstract: With the rise of social media, misinformation has become increasingly prevalent, fueled largely by the spread of rumors. This study explores the use of Large Language Model (LLM) agents within a novel framework to simulate and analyze the dynamics of rumor propagation across social networks. To this end, we design a variety of LLM-based agent types and construct four distinct network structures to conduct these simulations. Our framework assesses the effectiveness of different network constructions and agent behaviors in influencing the spread of rumors. Our results demonstrate that the framework can simulate rumor spreading across more than one hundred agents in various networks with thousands of edges. The evaluations indicate that network structure, personas, and spreading schemes can significantly influence rumor dissemination, ranging from no spread to affecting 83\% of agents in iterations, thereby offering a realistic simulation of rumor spread in social networks.
- Abstract（参考訳）: ソーシャルメディアの興隆に伴い、誤報はますます広まり、噂の広まりに拍車をかけた。
本研究では,ソーシャルネットワーク上でのうわさ伝播のダイナミクスをシミュレートし,解析するために,Large Language Model (LLM) エージェントを新たなフレームワーク内で利用する方法について検討する。
この目的のために, LLMをベースとしたエージェントタイプを設計し, これらのシミュレーションを行うために, 4つの異なるネットワーク構造を構築した。
本フレームワークは,各種ネットワーク構築とエージェントの動作が噂の拡散に与える影響を評価する。
このフレームワークは,数千のエッジを持つさまざまなネットワークにおいて,100以上のエージェントにまたがる噂をシミュレートできることを示す。
評価の結果,ネットワーク構造,ペルソナ,スプレッドスキームが,スプレッドのないものから83%のエージェントに影響を及ぼすものまで,噂の拡散に大きな影響を及ぼす可能性が示唆された。
関連論文リスト
- OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.00696959981173]
実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。
OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。
我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
論文 参考訳（メタデータ） (2024-11-18T13:57:35Z) - Large Language Model-driven Multi-Agent Simulation for News Diffusion Under Different Network Structures [36.45109260662318]
この研究は、情報エコシステム内の複雑な相互作用を再現するために、大規模言語モデル(LLM)によるマルチエージェントシミュレーションを用いている。
エージェントのパーソナリティやネットワーク構造など,ニュースの伝播を促進する重要な要因について検討する。
我々は3つの対策策を評価し、ネットワーク内の影響力のあるエージェントをブロックするブルートフォースを発見するか、あるいはニュースの正確性を示すことで、誤情報を効果的に軽減することができる。
論文 参考訳（メタデータ） (2024-10-16T23:58:26Z) - The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative [55.08395463562242]
MLLM(Multimodal Large Language Models)は、AGI(Artificial General Intelligence)の新たな境界を常に定義している。
本稿では,MLLM社会において,悪意のあるコンテンツの間接的伝播という新たな脆弱性について検討する。
論文 参考訳（メタデータ） (2024-02-20T23:08:21Z) - Network Formation and Dynamics Among Multi-LLMs [5.8418144988203915]
GPT、Claude、Llamaのような大規模言語モデル(LLM)は、ますます社会的および専門的な設定に統合されるようになっている。
本研究では、複数のLLMのネットワーク形成挙動が人間のネットワーク力学の特定の側面に近似するかどうかを検討する枠組みを開発する。
論文 参考訳（メタデータ） (2024-02-16T13:10:14Z) - Digital cloning of online social networks for language-sensitive
agent-based modeling of misinformation spread [0.0]
オンラインソーシャルネットワーク内で拡散する誤情報を研究するためのシミュレーションフレームワークを開発する。
我々は、ソーシャルメディア履歴を1万人以上のユーザー向けにダウンロードすることで、既知の偽情報共有ネットワークの「デジタルクローン」を作成する。
論文 参考訳（メタデータ） (2024-01-23T06:02:03Z) - 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) - Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust
Closed-Loop Control [63.310780486820796]
繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。
パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
論文 参考訳（メタデータ） (2023-10-05T21:44:18Z) - A Meta Path-based Approach for Rumor Detection on Social Media [1.4824891788575418]
ソーシャルメディアは、従来の情報源よりもソーシャルネットワークを通じてニュースを受け取る傾向が強まっている。
ソーシャルメディア上で偽ニュースを検出するためのグローバルローカルアテンションネットワーク(MGLAN)を提案する。
MGLANは,異なるノードタイプに対するノードレベルの識別をキャプチャすることで,他のモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-01-11T07:31:47Z) - Reward-Sharing Relational Networks in Multi-Agent Reinforcement Learning
as a Framework for Emergent Behavior [0.0]
ユーザ定義リレーショナルネットワークを通じて,ソーシャルなインタラクションをMARLセットアップに統合する。
エージェントとエージェントの関係が創発行動の出現に及ぼす影響について検討する。
論文 参考訳（メタデータ） (2022-07-12T23:27:42Z) - What is Going on Inside Recurrent Meta Reinforcement Learning Agents? [63.58053355357644]
recurrent meta reinforcement learning (meta-rl)エージェントは「学習アルゴリズムの学習」を目的としてrecurrent neural network (rnn)を使用するエージェントである。
部分観測可能なマルコフ決定プロセス(POMDP)フレームワークを用いてメタRL問題を再構成することにより,これらのエージェントの内部動作機構を明らかにする。
論文 参考訳（メタデータ） (2021-04-29T20:34:39Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z)
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。