論文の概要: GA-S$^3$: Comprehensive Social Network Simulation with Group Agents
- arxiv url: http://arxiv.org/abs/2506.03532v1
- Date: Wed, 04 Jun 2025 03:27:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.133141
- Title: GA-S$^3$: Comprehensive Social Network Simulation with Group Agents
- Title（参考訳）: GA-S$^3$:グループエージェントを用いた総合ソーシャルネットワークシミュレーション
- Authors: Yunyao Zhang, Zikai Song, Hang Zhou, Wenfeng Ren, Yi-Ping Phoebe Chen, Junqing Yu, Wei Yang,
- Abstract要約: 新たに設計されたグループエージェントを活用した総合ソーシャルネットワークシミュレーションシステム(GA-S3)を提案する。
個人を代表する他の知的エージェントとは異なり、私たちのグループエージェントは、同じような行動を示す個人のコレクションをモデル化します。
我々は、インターネットトラフィックの詳細な情報を含む2024年の人気のオンラインイベントから、ソーシャルネットワークのベンチマークを構築した。
- 参考スコア（独自算出の注目度）: 24.44572534952312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social network simulation is developed to provide a comprehensive understanding of social networks in the real world, which can be leveraged for a wide range of applications such as group behavior emergence, policy optimization, and business strategy development. However, billions of individuals and their evolving interactions involved in social networks pose challenges in accurately reflecting real-world complexities. In this study, we propose a comprehensive Social Network Simulation System (GA-S3) that leverages newly designed Group Agents to make intelligent decisions regarding various online events. Unlike other intelligent agents that represent an individual entity, our group agents model a collection of individuals exhibiting similar behaviors, facilitating the simulation of large-scale network phenomena with complex interactions at a manageable computational cost. Additionally, we have constructed a social network benchmark from 2024 popular online events that contains fine-grained information on Internet traffic variations. The experiment demonstrates that our approach is capable of achieving accurate and highly realistic prediction results. Code is open at https://github.com/AI4SS/GAS-3.
- Abstract（参考訳）: ソーシャル・ネットワーク・シミュレーションは,グループ行動の出現,政策最適化,ビジネス戦略開発といった幅広い応用に活用可能な,現実世界におけるソーシャルネットワークの包括的理解を提供するために開発された。
しかし、数十億人の個人と、ソーシャルネットワークに関わるその進化する相互作用は、現実世界の複雑さを正確に反映する上で困難を生んでいる。
本研究では,新たに設計されたグループエージェントを利用して,様々なオンラインイベントに関するインテリジェントな意思決定を行う総合ソーシャルネットワークシミュレーションシステム(GA-S3)を提案する。
我々のグループエージェントは、個々の実体を表す他のインテリジェントエージェントとは異なり、同じような行動を示す個人の集合をモデル化し、管理可能な計算コストで複雑な相互作用を持つ大規模ネットワーク現象のシミュレーションを容易にする。
さらに,インターネットトラフィックの詳細な情報を含む2024年人気のオンラインイベントから,ソーシャルネットワークのベンチマークを構築した。
本実験は,本手法が高精度かつ現実的な予測結果を達成できることを実証する。
コードはhttps://github.com/AI4SS/GAS-3.comで公開されている。
関連論文リスト
- Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。
世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。
一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
論文 参考訳（メタデータ） (2025-07-26T12:13:30Z) - 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 [16.780177153401628]
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) - 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) - 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) - Social-LLM: Modeling User Behavior at Scale using Language Models and
Social Network Data [13.660150473547766]
本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。
提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。
実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
論文 参考訳（メタデータ） (2023-12-31T05:13:13Z) - 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) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳（メタデータ） (2022-01-03T17:00:17Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z)
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。