論文の概要: SOCIA: An End-to-End Agentic Framework for Automated Cyber-Physical-Social Simulator Generation

• arxiv url: http://arxiv.org/abs/2505.12006v2
• Date: Fri, 23 May 2025 15:30:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 13:31:15.759152
• Title: SOCIA: An End-to-End Agentic Framework for Automated Cyber-Physical-Social Simulator Generation
• Title（参考訳）: SOCIA:サイバー物理社会シミュレータ自動生成のためのエンドツーエンドのエージェントフレームワーク
• Authors: Yuncheng Hua, Ji Miao, Mehdi Jafari, Jianxiang Xie, Hao Xue, Flora D. Salim,
• Abstract要約: SOCIA(Simulation Orchestration for Cyber-physical-social Intelligence and Agents)は、LLM(Large Language Model)ベースのマルチエージェントシステムを活用した新しいエンドツーエンドフレームワークである。 高忠実なサイバー物理社会(CPS)シミュレータを自動生成する。
• 参考スコア（独自算出の注目度）: 9.689635475090085
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces SOCIA (Simulation Orchestration for Cyber-physical-social Intelligence and Agents), a novel end-to-end framework leveraging Large Language Model (LLM)-based multi-agent systems to automate the generation of high-fidelity Cyber-Physical-Social (CPS) simulators. Addressing the challenges of labor-intensive manual simulator development and complex data calibration, SOCIA integrates a centralized orchestration manager that coordinates specialized agents for tasks including data comprehension, code generation, simulation execution, and iterative evaluation-feedback loops. Through empirical evaluations across diverse CPS tasks, such as mask adoption behavior simulation (social), personal mobility generation (physical), and user modeling (cyber), SOCIA demonstrates its ability to produce high-fidelity, scalable simulations with reduced human intervention. These results highlight SOCIA's potential to offer a scalable solution for studying complex CPS phenomena
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)に基づくマルチエージェントシステムを利用して,高忠実度サイバー物理社会(CPS)シミュレータを自動生成する,新たなエンドツーエンドフレームワークであるSOCIA(Simulation Orchestration for Cyber-physical-social Intelligence and Agents)を紹介する。 労働集約型手動シミュレータ開発と複雑なデータキャリブレーションの課題に対処するため、SOCIAは、データ理解、コード生成、シミュレーション実行、反復的な評価フィードバックループを含むタスクのための特別なエージェントをコーディネートする集中型オーケストレーションマネージャを統合する。 マスク導入行動シミュレーション(社会)、パーソナルモビリティ生成(物理)、ユーザモデリング(物理)といった多種多様なCPSタスクにまたがる経験的評価を通じて、SOCIAは人間の介入を減らした高忠実でスケーラブルなシミュレーションを作成する能力を示した。 これらの結果は、複雑なCPS現象を研究するためのスケーラブルなソリューションを提供するSOCIAの可能性を強調している。

関連論文リスト

• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.86336063222539]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation [38.48048183731099]
  ユーザシミュレーションは、ジェネレーティブAIの時代において、複数の重要なアプリケーションを持つ、新たな学際的なトピックである。 それは、AIシステムと対話する人間のユーザのアクションを模倣するインテリジェントエージェントを作成することを含む。 ユーザシミュレーションは多様な分野に深く影響し、人工知能の追求に重要な役割を果たしている。
  論文  参考訳（メタデータ） (2025-01-08T10:49:13Z)
• 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)
• Graph-based Modeling and Simulation of Emergency Services Communication Systems [0.0]
  緊急サービス通信システム(ESCS)は、インターネットプロトコルベースの通信ネットワークへと進化している。 本稿では,頑健で適応可能なグラフベースシミュレーションフレームワークと,ESCSシミュレーションに不可欠な数学的モデルを紹介する。
  論文  参考訳（メタデータ） (2024-09-03T12:53:35Z)
• ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
  この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。 ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。 ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
  論文  参考訳（メタデータ） (2024-09-02T17:44:10Z)
• 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)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Automated Adversary Emulation for Cyber-Physical Systems via Reinforcement Learning [4.763175424744536]
  我々は,サイバー物理システムに対する敵エミュレーションに対するドメイン認識の自動化手法を開発した。 我々は、マルコフ決定プロセス(MDP)モデルを定式化し、ハイブリッドアタックグラフ上で最適なアタックシーケンスを決定する。 モデルベースおよびモデルフリー強化学習(RL)法を用いて,離散連続型MDPをトラクタブルな方法で解く。
  論文  参考訳（メタデータ） (2020-11-09T18:44:29Z)

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。