論文の概要: Simulating multiple human perspectives in socio-ecological systems using large language models
- arxiv url: http://arxiv.org/abs/2507.17680v1
- Date: Wed, 23 Jul 2025 16:42:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:15.0899
- Title: Simulating multiple human perspectives in socio-ecological systems using large language models
- Title（参考訳）: 大規模言語モデルを用いた社会生態システムにおける多視点のシミュレーション
- Authors: Yongchao Zeng, Calum Brown, Ioannis Kyriakou, Ronja Hotz, Mark Rounsevell,
- Abstract要約: 我々は,Human-Oriented Perspective Shifting(Human-Oriented Perspective Shifting)モデリングフレームワークを開発した。
HoPeSは、様々な利害関係者を表現するために、大きな言語モデル(LLM)を利用したエージェントを使用している。
制度的力学と土地利用変化の文脈でHoPeSを実証するプロトタイプシステムを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding socio-ecological systems requires insights from diverse stakeholder perspectives, which are often hard to access. To enable alternative, simulation-based exploration of different stakeholder perspectives, we develop the HoPeS (Human-Oriented Perspective Shifting) modelling framework. HoPeS employs agents powered by large language models (LLMs) to represent various stakeholders; users can step into the agent roles to experience perspectival differences. A simulation protocol serves as a "scaffold" to streamline multiple perspective-taking simulations, supporting users in reflecting on, transitioning between, and integrating across perspectives. A prototype system is developed to demonstrate HoPeS in the context of institutional dynamics and land use change, enabling both narrative-driven and numerical experiments. In an illustrative experiment, a user successively adopts the perspectives of a system observer and a researcher - a role that analyses data from the embedded land use model to inform evidence-based decision-making for other LLM agents representing various institutions. Despite the user's effort to recommend technically sound policies, discrepancies persist between the policy recommendation and implementation due to stakeholders' competing advocacies, mirroring real-world misalignment between researcher and policymaker perspectives. The user's reflection highlights the subjective feelings of frustration and disappointment as a researcher, especially due to the challenge of maintaining political neutrality while attempting to gain political influence. Despite this, the user exhibits high motivation to experiment with alternative narrative framing strategies, suggesting the system's potential in exploring different perspectives. Further system and protocol refinement are likely to enable new forms of interdisciplinary collaboration in socio-ecological simulations.
- Abstract（参考訳）: 社会生態システムを理解するには、様々な利害関係者の視点からの洞察が必要である。
利害関係の異なる視点のシミュレーションに基づく探索を可能にするため,HoPeS(Human-Oriented Perspective Shifting)モデリングフレームワークを開発した。
HoPeSでは,さまざまな利害関係者を表現するために,大規模言語モデル(LLM)を使用したエージェントを採用している。
シミュレーションプロトコルは、複数のパースペクティブテイクシミュレーションを合理化するための"スカフォールド"として機能し、ユーザによるリフレクション、相互変換、パースペクティブ間の統合をサポートする。
施設の力学と土地利用の変化の文脈でHoPeSを実証するプロトタイプシステムを開発し,物語駆動と数値実験の両方を可能にした。
実証実験では、利用者はシステムオブザーバと研究者の視点を連続的に採用し、組み込まれた土地利用モデルからデータを分析して、様々な機関を代表する他のLCMエージェントに対して証拠に基づく意思決定を通知する役割である。
技術的に健全な政策を推奨するユーザの努力にもかかわらず、利害関係者の主張が競合するため、政策推奨と実施の相違は続き、研究者と政策立案者の現実的な不一致を反映している。
ユーザのリフレクションは、研究者としての不満と失望の主観的な感情を浮き彫りにしており、特に政治的影響力を得ようとして政治的中立を維持することの難しさに起因している。
それにもかかわらず、ユーザは、異なる視点を探索するシステムの可能性を示す、代替の物語フレーミング戦略を試すための高いモチベーションを示す。
さらにシステムとプロトコルの改良により、社会・生態シミュレーションにおける学際的コラボレーションの新たな形態が実現される可能性が高い。
関連論文リスト
- Persona Alchemy: Designing, Evaluating, and Implementing Psychologically-Grounded LLM Agents for Diverse Stakeholder Representation [0.9421843976231371]
大規模言語モデル(LLM)のための社会認知理論(SCT)エージェント設計フレームワークについて紹介する。
本フレームワークは,SCTを設計のための4つの個人的要因(認知的,動機的,生物学的,感情的),評価のための6つの定量的構造,利害関係者のペルソナを実装するためのグラフデータベース支援アーキテクチャを通じて運用する。
論文 参考訳（メタデータ） (2025-05-23T20:18:14Z) - Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。
ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。
実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
論文 参考訳（メタデータ） (2025-04-09T13:21:17Z) - Towards Recommender Systems LLMs Playground (RecSysLLMsP): Exploring Polarization and Engagement in Simulated Social Networks [6.813586966214873]
本稿では,Large Language Models (LLMs) を利用した新しいシミュレーションフレームワークを提案する。
説明的、静的、動的属性を持つ多様なAIエージェントを作成することで、3つのシナリオにわたって自律的な振る舞いを評価する。
本研究は, 社会的分極を緩和しつつ, ユーザの満足度を高めるためのレコメンデータシステム設計において, 慎重なバランスの必要性を強調するものである。
論文 参考訳（メタデータ） (2025-01-29T14:23:34Z) - Mobilizing Waldo: Evaluating Multimodal AI for Public Mobilization [0.0]
我々は,「Where's Waldo」を用いて,複雑で混み合った集まりのプロキシとしてのイメージを創出する。
我々は,鍵となる個人を特定し,モビライゼーション戦略を定式化する際のモデルの性能を分析する。
論文 参考訳（メタデータ） (2024-12-18T00:10:11Z) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。
データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。
厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
論文 参考訳（メタデータ） (2024-07-17T08:13:22Z) - A survey on the impact of AI-based recommenders on human behaviours: methodologies, outcomes and future directions [3.802956917145726]
この調査は、人間とAIの4つのエコシステムにおけるレコメンデーターの影響を分析した。
ソーシャルメディア、オンライン小売、都市マッピング、ジェネレーティブAIエコシステムの研究が行われている。
論文 参考訳（メタデータ） (2024-06-29T14:34:32Z) - Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。
HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。
HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
論文 参考訳（メタデータ） (2024-06-12T08:48:06Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - 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) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳（メタデータ） (2021-07-10T03:49:41Z)
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。