論文の概要: An Explainable Emotion Alignment Framework for LLM-Empowered Agent in Metaverse Service Ecosystem

• arxiv url: http://arxiv.org/abs/2507.22326v1
• Date: Wed, 30 Jul 2025 02:00:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:17.926472
• Title: An Explainable Emotion Alignment Framework for LLM-Empowered Agent in Metaverse Service Ecosystem
• Title（参考訳）: メタバースサービスエコシステムにおけるLCMを利用したエージェントのための説明可能な感情アライメントフレームワーク
• Authors: Qun Ma, Xiao Xue, Ming Zhang, Yifan Shen, Zihan Zhao,
• Abstract要約: 本稿では,メタバースサービスエコシステムにおけるLCMをベースとしたエージェントの感情アライメントフレームワークを提案する。 LLMベースのエージェントの意思決定ループに事実要因を統合することを目的としており、これらのエージェントに対してより関係性のある事実アライメントを実現する方法を体系的に実証している。
• 参考スコア（独自算出の注目度）: 6.2372196299591876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metaverse service is a product of the convergence between Metaverse and service systems, designed to address service-related challenges concerning digital avatars, digital twins, and digital natives within Metaverse. With the rise of large language models (LLMs), agents now play a pivotal role in Metaverse service ecosystem, serving dual functions: as digital avatars representing users in the virtual realm and as service assistants (or NPCs) providing personalized support. However, during the modeling of Metaverse service ecosystems, existing LLM-based agents face significant challenges in bridging virtual-world services with real-world services, particularly regarding issues such as character data fusion, character knowledge association, and ethical safety concerns. This paper proposes an explainable emotion alignment framework for LLM-based agents in Metaverse Service Ecosystem. It aims to integrate factual factors into the decision-making loop of LLM-based agents, systematically demonstrating how to achieve more relational fact alignment for these agents. Finally, a simulation experiment in the Offline-to-Offline food delivery scenario is conducted to evaluate the effectiveness of this framework, obtaining more realistic social emergence.
• Abstract（参考訳）: Metaverse Serviceは、Metaverseとサービスシステムの統合の産物であり、Metaverse内のデジタルアバター、デジタルツイン、デジタルネイティブに関するサービス関連の課題に対処するために設計された。 大規模言語モデル(LLM)の台頭に伴い、エージェントはMetaverseサービスエコシステムにおいて重要な役割を担い、仮想領域のユーザを代表するデジタルアバターとして、パーソナライズされたサポートを提供するサービスアシスタント(NPC)として、二重機能を提供している。 しかし、メタバースサービスエコシステムのモデリングにおいて、既存のLCMベースのエージェントは、特に文字データ融合、文字知識協会、倫理的安全に関する問題に関して、現実世界のサービスとバーチャルワールドサービスの橋渡しにおいて重大な課題に直面している。 本稿では,メタバースサービスエコシステムにおけるLCMをベースとしたエージェントの感情アライメントフレームワークを提案する。 LLMベースのエージェントの意思決定ループに事実要因を統合することを目的としており、これらのエージェントに対してより関係のある事実アライメントを実現する方法を体系的に実証している。 最後に、この枠組みの有効性を評価するために、オフラインからオフラインへのフードデリバリーシナリオにおけるシミュレーション実験を行い、より現実的な社会的出現を得た。

関連論文リスト

• Agent-based simulation of online social networks and disinformation [35.38015952060615]
  本稿では、人口動態に基づく性格特性と有限状態行動オートマトンを用いた合成ソーシャルネットワークをモデル化するシミュレーションフレームワークを提案する。 大規模言語モデル(LLM)を利用した生成モジュールは、各エージェントのプロファイルとメモリに整合したコンテキスト対応のソーシャルメディアポストを生成する。 レッドモジュールは、シミュレーションされたオーディエンスをターゲットにした悪意のあるエージェントによって実行されるdisARMにインスパイアされた偽情報キャンペーンを実装している。
  論文  参考訳（メタデータ） (2025-12-26T16:56:45Z)
• Grounded in Reality: Learning and Deploying Proactive LLM from Offline Logs [72.08224879435762]
  textttLearn-to-Askは、プロアクティブな対話エージェントの学習とデプロイのためのシミュレータフリーフレームワークである。 当社のアプローチは,LLMの大規模オンラインAIサービスへの展開を成功に導くものです。
  論文  参考訳（メタデータ） (2025-10-29T12:08:07Z)
• Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation [9.34696493928592]
  本稿では,欲求生成と客観的管理を取り入れた感情認知フレームワークを構築する。 LLMベースのエージェントの完全な意思決定プロセスをモデル化し、状態進化、欲求生成、客観的最適化、意思決定、行動実行を含む。 実験の結果,我々のフレームワークが支配するエージェントは,感情状態と一致した行動を示すだけでなく,他のエージェントに対する比較評価においても,より優れた生態学的妥当性を示し,人間の行動パターンをより密に近似した決定結果を生成することがわかった。
  論文  参考訳（メタデータ） (2025-10-15T06:33:11Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• Agentic Services Computing [51.50424046053763]
  本稿では,自律的,適応的,協調的なエージェントとしてサービスを再定義するパラダイムであるエージェントサービスコンピューティングを提案する。 ASCは、設計、デプロイ、運用、進化という4段階のライフサイクルを包含しています。
  論文  参考訳（メタデータ） (2025-09-29T07:29:18Z)
• Disrupting Vision-Language Model-Driven Navigation Services via Adversarial Object Fusion [56.566914768257035]
  本稿では,サービス指向環境における視覚言語ナビゲーション(VLN)エージェントを対象とした新たな攻撃フレームワークであるAdversarial Object Fusion(AdvOF)を提案する。 本稿では,通常のナビゲーションタスクに対する最小限の干渉を維持しつつ,敵条件下でのエージェント性能を効果的に劣化させることができることを示す。 この研究は、VLMによるナビゲーションシステムにおけるサービスセキュリティの理解を深め、物理世界展開における堅牢なサービス構成のための計算基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-29T09:14:50Z)
• AgentSGEN: Multi-Agent LLM in the Loop for Semantic Collaboration and GENeration of Synthetic Data [3.3186271052113843]
  データ不足は、建設安全など、安全クリティカルなアプリケーションのためにAIシステムをトレーニングする上で、大きな障害となる。 本稿では,2つのエージェント間の反復的,ループ内協調を用いた新しいマルチエージェントフレームワークを提案する。 LLMの推論能力と常識的知識によって、この共同設計は安全クリティカルなシナリオに合わせた合成画像を生成する。
  論文  参考訳（メタデータ） (2025-05-07T22:43:33Z)
• WebEvolver: Enhancing Web Agent Self-Improvement with Coevolving World Model [55.276852838877346]
  自己進化型エージェントは、独自のポリシーに基づいて、自律的にサンプリングされた軌道上で訓練される。 我々は,共進化型世界モデルLLMを導入する新しいフレームワークを提案する。 この世界モデルは、Web環境における現在の観察と行動に基づいて、次の観測を予測します。
  論文  参考訳（メタデータ） (2025-04-23T02:54:31Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• Large Model Empowered Metaverse: State-of-the-Art, Challenges and Opportunities [23.465545107612595]
  Metaverseは没入型で永続的なデジタルエコシステムであり、ユーザは3D仮想環境内で対話し、社交し、作業することができる。 本稿では,メタバースにおける大規模モデルの統合について検討する。 メタバースレンダリングを最適化するための生成AIベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T13:52:48Z)
• VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse [52.57251742991769]
  車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。 VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。 当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
  論文  参考訳（メタデータ） (2024-12-05T17:08:20Z)
• MetaAID 2.5: A Secure Framework for Developing Metaverse Applications via Large Language Models [0.9463895540925061]
  大規模言語モデル(LLM)は、動的で現実的なコンテンツを生成するために、メタバース環境でますます使われている。 本稿では,LLMとのユーザインタラクションのシミュレーションによるサイバーセキュリティ向上手法を提案する。
  論文  参考訳（メタデータ） (2023-12-22T07:15:55Z)
• LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay [55.12945794835791]
  Avalon をテストベッドとして使用し,システムプロンプトを用いてゲームプレイにおける LLM エージェントの誘導を行う。 本稿では,Avalonに適した新しいフレームワークを提案し,効率的なコミュニケーションと対話を容易にするマルチエージェントシステムを提案する。 その結果、適応エージェントの作成におけるフレームワークの有効性を確認し、動的社会的相互作用をナビゲートするLLMベースのエージェントの可能性を提案する。
  論文  参考訳（メタデータ） (2023-10-23T14:35:26Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• AgentBench: Evaluating LLMs as Agents [88.45506148281379]
  大規模言語モデル(LLM)は、従来のNLPタスクを超えた現実的な実用的ミッションをターゲットとして、ますます賢く自律的になってきています。 我々は,現在8つの異なる環境からなるベンチマークであるAgentBenchを紹介し,LLM-as-Agentの推論と意思決定能力を評価する。
  論文  参考訳（メタデータ） (2023-08-07T16:08:11Z)
• Towards Ubiquitous Semantic Metaverse: Challenges, Approaches, and Opportunities [68.03971716740823]
  近年,拡張現実(AR)および仮想現実(VR)ユーザーのための没入型サイバーバーチャル体験に革命をもたらすために,ユビキタスセマンティック・メタバースが研究されている。 この調査は、ユビキタスメタバースにおける4つの基本システムコンポーネントの表現とインテリジェンスに焦点を当てる。
  論文  参考訳（メタデータ） (2023-07-13T11:14:46Z)
• Unified, User and Task (UUT) Centered Artificial Intelligence for Metaverse Edge Computing [8.513938423514636]
  Metaverseは、コンテンツ制作、ソーシャルエンターテイメント、世界の価値移転、インテリジェントトラフィック、ヘルスケアなど、多くのエコシステムサービスを提供している。 既存のMetaverseエッジコンピューティングアプローチは、リソース割り当てを効率的かつ効果的に処理しない。 本稿では,AI(AI)ベースのモバイルエッジコンピューティング(MEC)パラダイムを新たに導入し,Metaverse互換の統一ユーザタスク(UUT)を提案する。
  論文  参考訳（メタデータ） (2022-12-19T08:29:38Z)

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。