論文の概要: Understanding Dynamic Diffusion Process of LLM-based Agents under Information Asymmetry

• arxiv url: http://arxiv.org/abs/2502.13160v1
• Date: Sun, 16 Feb 2025 03:02:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:59:19.703606
• Title: Understanding Dynamic Diffusion Process of LLM-based Agents under Information Asymmetry
• Title（参考訳）: 情報非対称性下におけるLCM系エージェントの動的拡散過程の理解
• Authors: Yiwen Zhang, Yifu Wu, Wenyue Hua, Xuming Hu,
• Abstract要約: 情報内容と分配機構によって定義された12の非対称なオープン環境における情報拡散のダイナミクスについて検討する。 我々はエージェントが異なる情報に注意を割り当てるのを支援する動的注意機構を設計する。 我々は、情報コクーンの出現、情報ギャップの進化、社会資本の蓄積を観察する。
• 参考スコア（独自算出の注目度）: 25.531407745300946
• License:
• Abstract: Large language models have been used to simulate human society using multi-agent systems. Most current social simulation research emphasizes interactive behaviors in fixed environments, ignoring information opacity, relationship variability and diffusion diversity. In this paper, we study the dynamics of information diffusion in 12 asymmetric open environments defined by information content and distribution mechanisms. We first present a general framework to capture the features of information diffusion. Then, we designed a dynamic attention mechanism to help agents allocate attention to different information, addressing the limitations of LLM-based attention. Agents start by responding to external information stimuli within a five-agent group, increasing group size and forming information circles while developing relationships and sharing information. Additionally, we observe the emergence of information cocoons, the evolution of information gaps, and the accumulation of social capital, which are closely linked to psychological, sociological, and communication theories.
• Abstract（参考訳）: 大規模言語モデルは、マルチエージェントシステムを用いて人間の社会をシミュレートするために使われてきた。 最近の社会シミュレーション研究は、情報の不透明さ、関係の多様性、拡散の多様性を無視する、固定された環境における対話的な行動を強調している。 本稿では,情報内容と分配機構によって定義された12の非対称なオープン環境における情報拡散のダイナミクスについて検討する。 まず,情報拡散の特徴を捉えるための一般的なフレームワークを提案する。 そこで我々は、エージェントが異なる情報に注意を向けることを支援するダイナミックアテンション機構を設計し、LLMに基づくアテンションの限界に対処した。 エージェントは5人のエージェントグループ内の外部情報刺激に反応し、グループのサイズを拡大し、関係を築き、情報を共有しながら情報サークルを形成する。 さらに,情報コクーンの出現,情報ギャップの進展,社会資本の蓄積を観察し,心理学・社会学・コミュニケーション理論と密接に関連している。

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)
• Spontaneous Emergence of Agent Individuality through Social Interactions in LLM-Based Communities [0.0]
  本稿では,Large Language Model (LLM) ベースのエージェントを用いて,ゼロからエージェントが出現することを検討する。 このマルチエージェントシミュレーションを解析することにより、社会的規範、協力、性格特性が自然に出現する方法について、貴重な新しい知見を報告する。
  論文  参考訳（メタデータ） (2024-11-05T16:49:33Z)
• 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)
• MONAL: Model Autophagy Analysis for Modeling Human-AI Interactions [11.972017738888825]
  大規模モデルの自己消費説明のためのモデルオートファジー分析(MONAL)を提案する。 MONALは、人間とAIシステム間の交換における人為的な情報の抑制を解明するために、2つの異なる自己食ループを使用している。 生成したモデルのキャパシティを,情報作成者とディスセミネータの両方として評価する。
  論文  参考訳（メタデータ） (2024-02-17T13:02:54Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• MIDDAG: Where Does Our News Go? Investigating Information Diffusion via Community-Level Information Pathways [114.42360191723469]
  我々は、新型コロナウイルス関連のニュース記事によって引き起こされるソーシャルメディア上の情報伝達経路を可視化する、直感的でインタラクティブなシステムMIDDAGを提案する。 我々は,ユーザ間のコミュニティを構築し,伝播予測機能を開発し,情報の普及方法の追跡と理解を可能にする。
  論文  参考訳（メタデータ） (2023-10-04T02:08:11Z)
• Decentralized Adversarial Training over Graphs [55.28669771020857]
  機械学習モデルの敵攻撃に対する脆弱性は、近年、かなりの注目を集めている。 この研究は、個々のエージェントが様々な強度摂動空間に従属するグラフ上の敵の訓練を研究する。
  論文  参考訳（メタデータ） (2023-03-23T15:05:16Z)
• Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
  我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。 この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
  論文  参考訳（メタデータ） (2021-12-07T18:50:42Z)
• Learning Representation over Dynamic Graph using Aggregation-Diffusion Mechanism [4.729833950299859]
  本稿では,アグリゲーション・ディフュージョン(AD)機構を提案する。 動的リンク予測タスクにおける2つの実世界のデータセットの実験において、ADメカニズムは情報を伝達するために集約のみを使用するベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2021-06-03T08:25:42Z)
• An active inference model of collective intelligence [0.0]
  本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。 その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
  論文  参考訳（メタデータ） (2021-04-02T14:32:01Z)
• Information scrambling in a collision model [2.7075104175188116]
  全光学系における情報力学をシミュレートする衝突モデルを提案する。 メモリと環境粒子が2方向に圧縮されている場合、その情報はスクランブルされる。
  論文  参考訳（メタデータ） (2020-02-12T09:56:07Z)

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。