論文の概要: Infected Smallville: How Disease Threat Shapes Sociality in LLM Agents

• arxiv url: http://arxiv.org/abs/2506.13783v2
• Date: Sat, 21 Jun 2025 00:28:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 17:01:35.849044
• Title: Infected Smallville: How Disease Threat Shapes Sociality in LLM Agents
• Title（参考訳）: 感染したスモールビル: LLMエージェントの病的脅威が社会性をいかに形作るか
• Authors: Soyeon Choi, Kangwook Lee, Oliver Sng, Joshua M. Ackerman,
• Abstract要約: 生成因子をベースとしたモデルを用いて,行動免疫系の仮説を検証した。 感染発生のニュースを読むエージェントは、そのようなニュースを受け取らなかったエージェントに比べて、社会的エンゲージメントが著しく低下した。 本研究は,複雑な社会動態を大規模に探索する実験ツールとしてのGABMの可能性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 5.033083817785921
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How does the threat of infectious disease influence sociality among generative agents? We used generative agent-based modeling (GABM), powered by large language models, to experimentally test hypotheses about the behavioral immune system. Across three simulation runs, generative agents who read news about an infectious disease outbreak showed significantly reduced social engagement compared to agents who received no such news, including lower attendance at a social gathering, fewer visits to third places (e.g., cafe, store, park), and fewer conversations throughout the town. In interview responses, agents explicitly attributed their behavioral changes to disease-avoidance motivations. A validity check further indicated that they could distinguish between infectious and noninfectious diseases, selectively reducing social engagement only when there was a risk of infection. Our findings highlight the potential of GABM as an experimental tool for exploring complex human social dynamics at scale.
• Abstract（参考訳）: 感染症の脅威は発生剤の社会性にどのように影響するか? 我々は,大規模言語モデルを用いたGABMを用いて,行動免疫系の仮説を実験的に検証した。 3回のシミュレーションでは、感染発生のニュースを読んだ生成エージェントは、社会集会への出席率の低下、第3の場所(カフェ、店、公園など)への訪問の減少、町中の会話の減少など、そのようなニュースを受け取らないエージェントに比べて、社会的エンゲージメントが著しく低下した。 インタビューの回答では、エージェントは、その行動変化を疾患回避モチベーションに明示的に関連づけた。 さらに、感染リスクがある場合にのみ社会的エンゲージメントを選択的に減少させ、感染性疾患と非感染性疾患を区別できることを示した。 本研究は,複雑な社会動態を大規模に探索する実験ツールとしてのGABMの可能性を明らかにするものである。

関連論文リスト

• Can A Society of Generative Agents Simulate Human Behavior and Inform Public Health Policy? A Case Study on Vaccine Hesitancy [38.63235613382905]
  大規模言語モデル(LLM)を利用した100個の生成エージェントを備えたVacSimフレームワークについて紹介する。 VacSim ワクチンは,1) 人口統計データに基づくエージェントの集団のインスタンス化,2) ソーシャル・ネットワークを介してエージェントを接続し,社会的ダイナミクスと疾患関連情報の関数としてワクチンの態度をモデル化すること,3) ワクチンの根絶を緩和するための様々な公衆衛生介入の設計と評価を行う。
  論文  参考訳（メタデータ） (2025-03-12T02:54:15Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  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、分極を緩和するためのもっともらしい戦略を識別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)
• TrendSim: Simulating Trending Topics in Social Media Under Poisoning Attacks with LLM-based Multi-agent System [90.09422823129961]
  本研究では, LLMをベースとしたマルチエージェントシステムであるTrendSimを提案する。 具体的には、タイムアウェアなインタラクション機構、集中型メッセージ配信、対話型システムを含むトレンドトピックのシミュレーション環境を作成する。 ソーシャルメディア上でユーザをシミュレートするLLMベースのヒューマンライクエージェントを開発し,プロトタイプベースの攻撃者による毒殺攻撃の再現を提案する。
  論文  参考訳（メタデータ） (2024-12-14T12:04:49Z)
• Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
  ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。 実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。 モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
  論文  参考訳（メタデータ） (2024-04-02T06:31:17Z)
• Modeling the amplification of epidemic spread by individuals exposed to misinformation on social media [41.31724592098777]
  我々は、大規模で移動性に富んだ物理的接触ネットワークとソーシャルメディアデータを組み込んだ疫病モデルを採用している。 特定のソーシャルメディアプラットフォームを通じて拡散する誤情報によって、拡散がどう影響するかを理解するために、様々なシナリオをシミュレートする。 最悪のシナリオでは、新型コロナウイルスの感染拡大の過程で感染するであろう米国の人口の増分を見積もる。
  論文  参考訳（メタデータ） (2024-02-17T18:01:43Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate Intervention Policies [0.09236074230806579]
  このモデルはイタリアのピエモンテの構造データを含んでいる。 このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
  論文  参考訳（メタデータ） (2021-08-19T19:23:17Z)

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。