Fugu-MT 論文翻訳(概要): From ChatGPT to DeepSeek: Can LLMs Simulate Humanity?

論文の概要: From ChatGPT to DeepSeek: Can LLMs Simulate Humanity?

arxiv url: http://arxiv.org/abs/2502.18210v1
Date: Tue, 25 Feb 2025 13:54:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-26 17:42:46.082427
Title: From ChatGPT to DeepSeek: Can LLMs Simulate Humanity?
Title（参考訳）: ChatGPTからDeepSeekへ:LLMは人間性をシミュレートできるのか?
Authors: Qian Wang, Zhenheng Tang, Bingsheng He,
Abstract要約: 大規模言語モデル(LLM)は、複雑な人間の社会的行動を探究するための有望な方法となっている。最近の研究では、シミュレートされた相互作用と現実世界の相互作用の相違が強調されている。
参考スコア（独自算出の注目度）: 32.93460040317926
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Simulation powered by Large Language Models (LLMs) has become a promising method for exploring complex human social behaviors. However, the application of LLMs in simulations presents significant challenges, particularly regarding their capacity to accurately replicate the complexities of human behaviors and societal dynamics, as evidenced by recent studies highlighting discrepancies between simulated and real-world interactions. We rethink LLM-based simulations by emphasizing both their limitations and the necessities for advancing LLM simulations. By critically examining these challenges, we aim to offer actionable insights and strategies for enhancing the applicability of LLM simulations in human society in the future.
Abstract（参考訳）: 大規模言語モデル(LLM)を利用したシミュレーションは、複雑な人間の社会行動を探究する上で有望な方法となっている。しかし、シミュレーションにおけるLLMの適用は、シミュレーションと実世界の相互作用の相違を浮き彫りにした最近の研究で証明されているように、特に人間の行動と社会的ダイナミクスの複雑さを正確に再現する能力に関する重要な課題を示している。我々は, LLM シミュレーションの限界と, LLM シミュレーションを前進させる必要性を両立させることにより, LLM シミュレーションを再考する。これらの課題を批判的に検討することにより、今後の人間社会におけるLCMシミュレーションの適用性を高めるための実用的な洞察と戦略を提供することを目指している。

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)
LLM Social Simulations Are a Promising Research Method [4.6456873975541635]
大規模言語モデル(LLM)の社会シミュレーションは,5つの難題に対処することで実現可能であると論じる。 LLMの社会シミュレーションは、心理学、経済学、社会学、マーケティングのパイロット実験など、すでに探索的な研究に利用できると信じている。
論文参考訳（メタデータ） (2025-04-03T03:01:26Z)
What Limits LLM-based Human Simulation: LLMs or Our Design? [43.54008528543768]
我々は, LLMに基づく人間シミュレーションの進展には, LLM固有の制約とシミュレーションフレームワークの設計課題の両方に対処する必要があると論じている。この分野でのさらなる研究を支援するため、我々はLLMに基づく人体シミュレーションリソースのキュレートされたコレクションを提供する。
論文参考訳（メタデータ） (2025-01-15T04:59:49Z)
GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
LLM-Augmented Agent-Based Modelling for Social Simulations: Challenges and Opportunities [0.0]
大きな言語モデルとエージェントベースのシミュレーションを統合することは、複雑な社会システムを理解するための変換可能性を提供する。 LLM強化社会シミュレーションを体系的に開発するためのアーキテクチャと手法について検討する。 LLMとエージェントベースのシミュレーションを統合することは、研究者や科学者に強力なツールセットを提供すると結論付けている。
論文参考訳（メタデータ） (2024-05-08T08:57:54Z)
LLM-driven Imitation of Subrational Behavior : Illusion or Reality? [3.2365468114603937]
既存の作業は、複雑な推論タスクに対処し、人間のコミュニケーションを模倣する大規模言語モデルの能力を強調している。そこで本研究では,LLMを用いて人工人体を合成し,サブリレーショナル・エージェント・ポリシーを学習する手法を提案する。我々は,4つの単純なシナリオを通して,サブリレータリティをモデル化するフレームワークの能力について実験的に評価した。
論文参考訳（メタデータ） (2024-02-13T19:46:39Z)
Systematic Biases in LLM Simulations of Debates [12.933509143906141]
人間の相互作用をシミュレートする際の大規模言語モデルの限界について検討する。以上の結果から, LLMエージェントがモデル固有の社会的バイアスに適合する傾向が示唆された。これらの結果は、エージェントがこれらのバイアスを克服するのに役立つ方法を開発するためのさらなる研究の必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2024-02-06T14:51:55Z)
How Far Are LLMs from Believable AI? A Benchmark for Evaluating the Believability of Human Behavior Simulation [46.42384207122049]
我々は,人間の振る舞いをシミュレートする際の大規模言語モデル (LLM) の信頼性を評価するために SimulateBench を設計する。 SimulateBenchに基づいて、文字をシミュレートする際、広く使われている10個のLLMの性能を評価する。
論文参考訳（メタデータ） (2023-12-28T16:51:11Z)
CoMPosT: Characterizing and Evaluating Caricature in LLM Simulations [61.9212914612875]
本研究では,LLMシミュレーションを4次元(コンテキスト,モデル,ペルソナ,トピック)で特徴付けるフレームワークを提案する。我々は,この枠組みを用いて,オープンエンドLLMシミュレーションのキャラクチュアへの感受性を測定する。 GPT-4では、特定の人口動態(政治的・疎外化グループ)と話題(一般には非論争的)のシミュレーションは、似顔絵に非常に敏感であることが判明した。
論文参考訳（メタデータ） (2023-10-17T18:00:25Z)
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)

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。