論文の概要: Retrieval-Augmented Simulacra: Generative Agents for Up-to-date and Knowledge-Adaptive Simulations
- arxiv url: http://arxiv.org/abs/2503.14620v1
- Date: Tue, 18 Mar 2025 18:17:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:29:57.447088
- Title: Retrieval-Augmented Simulacra: Generative Agents for Up-to-date and Knowledge-Adaptive Simulations
- Title（参考訳）: Retrieval-Augmented Simulacra:最新の知識適応シミュレーションのための生成エージェント
- Authors: Hikaru Shimadzu, Takehito Utsuro, Daisuke Kitayama,
- Abstract要約: 仮想SNS環境における投稿や返信作成に使用する検索拡張生成機構の効果を評価する。
評価の結果,人間の探索動作を模倣した検索拡張生成機構が,最も自然な交換を生成することを確認した。
- 参考スコア（独自算出の注目度）: 1.551190544492585
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In the 2023 edition of the White Paper on Information and Communications, it is estimated that the population of social networking services in Japan will exceed 100 million by 2022, and the influence of social networking services in Japan is growing significantly. In addition, marketing using SNS and research on the propagation of emotions and information on SNS are being actively conducted, creating the need for a system for predicting trends in SNS interactions. We have already created a system that simulates the behavior of various communities on SNS by building a virtual SNS environment in which agents post and reply to each other in a chat community created by agents using a LLMs. In this paper, we evaluate the impact of the search extension generation mechanism used to create posts and replies in a virtual SNS environment using a simulation system on the ability to generate posts and replies. As a result of the evaluation, we confirmed that the proposed search extension generation mechanism, which mimics human search behavior, generates the most natural exchange.
- Abstract（参考訳）: 情報通信白書2023年版では、2022年までに日本のソーシャルネットワーキングサービスの人口が1億人を超え、日本のソーシャルネットワーキングサービスの影響が著しく拡大していると推定されている。
また、SNSを用いたマーケティングや、SNS上での感情や情報の伝播に関する研究が活発に行われており、SNSの相互作用の傾向を予測するシステムの必要性が高まっている。
LLMを用いたチャットコミュニティにおいて,エージェントが投稿し,応答する仮想SNS環境を構築することで,SNS上の様々なコミュニティの挙動をシミュレートするシステムを構築した。
本稿では、シミュレーションシステムを用いて、仮想SNS環境における投稿と返信の生成に使用する検索拡張生成機構が、投稿と返信を生成する能力に与える影響を評価する。
評価の結果,人間の探索動作を模倣した検索拡張生成機構が,最も自然な交換を生成することを確認した。
関連論文リスト
- SCRAG: Social Computing-Based Retrieval Augmented Generation for Community Response Forecasting in Social Media Environments [8.743208265682014]
SCRAGは、ソーシャルコンピューティングにインスパイアされた予測フレームワークである。
リアルまたは仮説的なソーシャルメディア投稿に対するコミュニティの反応を予測する。
公開関係の専門家が意図しない誤解を避ける方法でメッセージを作成するために使用することができる。
論文 参考訳（メタデータ） (2025-04-18T15:02:31Z) - 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) - AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society [32.849311155921264]
本稿では,現実的な社会環境を統合した大規模社会シミュレータであるAgentSocietyを提案する。
提案したシミュレーターに基づいて,500万件のインタラクションをシミュレートし,10万件以上のエージェントの社会生活を生成する。
偏極、炎症性メッセージの普及、普遍的ベーシック・インカム・ポリシーの効果、ハリケーンなどの外部ショックの影響の4つに焦点をあてる。
論文 参考訳（メタデータ） (2025-02-12T15:27:07Z) - Emergence of human-like polarization among large language model agents [61.622596148368906]
我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。
人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、それを緩和するための有効な戦略を特定するための貴重なテストベッドとして機能する可能性も持っている。
論文 参考訳（メタデータ） (2025-01-09T11:45:05Z) - 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) - Generative Agent Simulations of 1,000 People [56.82159813294894]
本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。
生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。
我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
論文 参考訳（メタデータ） (2024-11-15T11:14:34Z) - SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。
SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。
個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
論文 参考訳（メタデータ） (2024-03-20T15:38:36Z) - Simulating Public Administration Crisis: A Novel Generative Agent-Based
Simulation System to Lower Technology Barriers in Social Science Research [0.0]
本稿では,GPT-3.5大言語モデルに基づく社会シミュレーションのパラダイムを提案する。
これには、人間の認知、記憶、意思決定のフレームワークをエミュレートする生成エージェントの構築が含まれる。
エージェントはパーソナライズされたカスタマイズを示し、公開イベントは自然言語処理によってシームレスに組み込まれる。
論文 参考訳（メタデータ） (2023-11-12T20:48:01Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z)
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。