論文の概要: Characterizing LLM-driven Social Network: The Chirper.ai Case

• arxiv url: http://arxiv.org/abs/2504.10286v1
• Date: Mon, 14 Apr 2025 14:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:50:00.631641
• Title: Characterizing LLM-driven Social Network: The Chirper.ai Case
• Title（参考訳）: LLM駆動型ソーシャルネットワークのキャラクタリゼーション--Chirper.aiの場合
• Authors: Yiming Zhu, Yupeng He, Ehsan-Ul Haq, Gareth Tyson, Pan Hui,
• Abstract要約: 大規模言語モデル(LLM)は、人間の意思決定プロセスをシミュレートする能力を示している。 本稿では,LLMエージェントに代表されるX/TwitterのようなソーシャルネットワークであるChirper.aiを大規模に分析する。 投稿行動,虐待内容,ソーシャルネットワーク構造におけるLLMエージェントと人間の主な違いについて検討した。
• 参考スコア（独自算出の注目度）: 24.057352135719555
• License:
• Abstract: Large language models (LLMs) demonstrate the ability to simulate human decision-making processes, enabling their use as agents in modeling sophisticated social networks, both offline and online. Recent research has explored collective behavioral patterns and structural characteristics of LLM agents within simulated networks. However, empirical comparisons between LLM-driven and human-driven online social networks remain scarce, limiting our understanding of how LLM agents differ from human users. This paper presents a large-scale analysis of Chirper.ai, an X/Twitter-like social network entirely populated by LLM agents, comprising over 65,000 agents and 7.7 million AI-generated posts. For comparison, we collect a parallel dataset from Mastodon, a human-driven decentralized social network, with over 117,000 users and 16 million posts. We examine key differences between LLM agents and humans in posting behaviors, abusive content, and social network structures. Our findings provide critical insights into the evolving landscape of online social network analysis in the AI era, offering a comprehensive profile of LLM agents in social simulations.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、人間の意思決定プロセスをシミュレートする能力を示し、オフラインとオンラインの両方で洗練されたソーシャルネットワークをモデリングするエージェントとして使用できる。 近年,シミュレーションネットワークにおけるLLMエージェントの集合的挙動パターンと構造特性について検討している。 しかし、LLMと人間主導のオンラインソーシャルネットワークの実証的な比較は少ないままであり、LLMエージェントが人間のユーザとどのように異なるかの理解を制限している。 本稿では,約65,000人以上のエージェントと770万件のAI投稿からなる,X/TwitterのようなソーシャルネットワークであるChirper.aiを大規模に分析する。 比較のために、我々は、人間主導の分散型ソーシャルネットワークであるMastodonから11万7000人以上のユーザーと1600万の投稿を持つ並列データセットを収集した。 投稿行動,虐待内容,ソーシャルネットワーク構造におけるLLMエージェントと人間の主な違いについて検討した。 我々の発見は、AI時代におけるオンラインソーシャルネットワーク分析の進化の展望に批判的な洞察を与え、社会シミュレーションにおけるLLMエージェントの包括的プロファイルを提供する。

関連論文リスト

• Can LLMs Simulate Social Media Engagement? A Study on Action-Guided Response Generation [51.44040615856536]
  本稿では、行動誘導応答生成によるソーシャルメディアのエンゲージメントをシミュレートする大規模言語モデルの能力について分析する。 GPT-4o-mini,O1-mini,DeepSeek-R1をソーシャルメディアエンゲージメントシミュレーションで評価した。
  論文  参考訳（メタデータ） (2025-02-17T17:43:08Z)
• LMAgent: A Large-scale Multimodal Agents Society for Multi-user Simulation [66.52371505566815]
  大規模言語モデル(LLM)ベースのAIエージェントは、人間のような知性を達成するために、大きな進歩を遂げた。 LMAgentは,マルチモーダル LLM に基づく大規模かつマルチモーダルなエージェント社会である。 LMAgentでは、友人とチャットする以外に、エージェントは自動で商品を閲覧、購入、レビューしたり、ライブストリーミングのeコマースを行うこともできる。
  論文  参考訳（メタデータ） (2024-12-12T12:47:09Z)
• Engagement-Driven Content Generation with Large Language Models [8.049552839071918]
  大規模言語モデル(LLM)は1対1の相互作用において重要な説得能力を示す。 本研究では,相互接続型ユーザにおけるLCMの社会的影響と複雑な意見力学について検討する。
  論文  参考訳（メタデータ） (2024-11-20T10:40:08Z)
• Static network structure cannot stabilize cooperation among Large Language Model agents [6.868298200380496]
  大規模言語モデル(LLM)は、人間の社会的行動のモデル化にますます利用されている。 本研究の目的は,LLMとヒトの協調行動における並列性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-11-15T15:52:15Z)
• AgentOccam: A Simple Yet Strong Baseline for LLM-Based Web Agents [52.13695464678006]
  本研究は, 観察空間と行動空間を簡略化することで, LLMベースのWebエージェントを強化する。 AgentOccam は以前の最先端および同時処理を 9.8 (+29.4%) と 5.9 (+15.8%) で上回っている。
  論文  参考訳（メタデータ） (2024-10-17T17:50:38Z)
• LLMs generate structurally realistic social networks but overestimate political homophily [42.229210482614356]
  生成AI、特に大規模言語モデル(LLM)は、ソーシャルネットワーク生成の新しい可能性を提供します。 ネットワーク生成のための3つのプロンプト手法を開発し、生成したネットワークを実際のソーシャルネットワーク群と比較する。 より現実的なネットワークは、LLMが1つのペルソナの関係を1度に構築する"ローカル"な手法で生成される。 また, 生成されたネットワークは, 密度, クラスタリング, 接続性, 次数分布など, 様々な特性で実ネットワークと一致していることがわかった。
  論文  参考訳（メタデータ） (2024-08-29T15:36:52Z)
• Is this the real life? Is this just fantasy? The Misleading Success of Simulating Social Interactions With LLMs [24.613282867543244]
  大規模言語モデル(LLM)はより豊かな社会シミュレーションを可能にし、様々な社会現象の研究を可能にしている。 最近の研究は、これらのシミュレーションについて、人間とAIエージェントが現実世界で関与する不完全で情報非対称な相互作用と、基本的には異なっています。
  論文  参考訳（メタデータ） (2024-03-08T03:49:17Z)
• 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)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。