論文の概要: SALM: A Multi-Agent Framework for Language Model-Driven Social Network Simulation

• arxiv url: http://arxiv.org/abs/2505.09081v1
• Date: Wed, 14 May 2025 02:29:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.350055
• Title: SALM: A Multi-Agent Framework for Language Model-Driven Social Network Simulation
• Title（参考訳）: SALM: 言語モデル駆動型ソーシャルネットワークシミュレーションのためのマルチエージェントフレームワーク
• Authors: Gaurav Koley,
• Abstract要約: SALM(Social Agent LM Framework)は、言語モデル(LM)をソーシャルネットワークシミュレーションに統合するための新しいアプローチである。 私たちのコントリビューションには階層的なプロンプトアーキテクチャが含まれており、4000以上のタイムステップで安定したシミュレーションを可能にし、トークン使用率を73%削減しています。 本研究では, 長期的社会現象をモデル化し, 行動忠実度を実証的に検証した上で, 最初のLCMベースのフレームワークを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contemporary approaches to agent-based modeling (ABM) of social systems have traditionally emphasized rule-based behaviors, limiting their ability to capture nuanced dynamics by moving beyond predefined rules and leveraging contextual understanding from LMs of human social interaction. This paper presents SALM (Social Agent LM Framework), a novel approach for integrating language models (LMs) into social network simulation that achieves unprecedented temporal stability in multi-agent scenarios. Our primary contributions include: (1) a hierarchical prompting architecture enabling stable simulation beyond 4,000 timesteps while reducing token usage by 73%, (2) an attention-based memory system achieving 80% cache hit rates (95% CI [78%, 82%]) with sub-linear memory growth of 9.5%, and (3) formal bounds on personality stability. Through extensive validation against SNAP ego networks, we demonstrate the first LLM-based framework capable of modeling long-term social phenomena while maintaining empirically validated behavioral fidelity.
• Abstract（参考訳）: 社会的システムのエージェント・ベース・モデリング(ABM)に対する現代のアプローチは、伝統的にルールに基づく行動を強調しており、事前に定義されたルールを超えて、人間の社会的相互作用のLMからの文脈的理解を活用することによって、ニュアンスド・ダイナミクスを捉える能力を制限する。 本稿では,多エージェントシナリオにおける前例のない時間的安定性を実現するために,言語モデル(LM)をソーシャルネットワークシミュレーションに統合するための新しいアプローチであるSALM(Social Agent LM Framework)を提案する。 本研究の主な貢献は,(1)トークン使用率を73%減らしつつ,4000回以上の安定なシミュレーションを可能にする階層型プロンプトアーキテクチャ,(2)サブ線形メモリの9.5%増の80%キャッシュヒット率(95% CI [78%, 82%])を達成した注目ベースのメモリシステム,(3)人格安定性に関する公式なバウンダリである。 SNAPエゴネットワークに対する広範な検証を通じて、実験的に検証された行動の忠実さを維持しつつ、長期的社会現象をモデル化できる最初のLCMベースのフレームワークを実証する。

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)
• Large Language Model Driven Agents for Simulating Echo Chamber Formation [5.6488384323017]
  ソーシャルメディアプラットフォームにおけるエコーチャンバーの台頭は、分極と既存の信念の強化に対する懸念を高めている。 エコーチャンバーの形成をシミュレーションするための従来の手法は、しばしば事前定義された規則や数値シミュレーションに依存してきた。 本稿では,大言語モデル(LLM)を生成エージェントとして活用し,エコーチャンバー力学をシミュレートする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-25T12:05:11Z)
• 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)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)

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。