Fugu-MT 論文翻訳(概要): Are LLM-Powered Social Media Bots Realistic?

論文の概要: Are LLM-Powered Social Media Bots Realistic?

arxiv url: http://arxiv.org/abs/2508.00998v1
Date: Fri, 01 Aug 2025 18:06:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-05 18:25:21.656879
Title: Are LLM-Powered Social Media Bots Realistic?
Title（参考訳）: LLMを利用したソーシャルメディアボットは現実的か?
Authors: Lynnette Hui Xian Ng, Kathleen M. Carley,
Abstract要約: 我々は、合成ボットエージェントのペルソナとそのツイートとそのインタラクションを作成し、それによってソーシャルメディアネットワークをシミュレートする。我々は,LLM駆動ボットのネットワーク特性と言語特性がWild Bots/Humansと異なることを観察し,経験的ボット/人間データと比較した。
参考スコア（独自算出の注目度）: 5.494111035517598
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: As Large Language Models (LLMs) become more sophisticated, there is a possibility to harness LLMs to power social media bots. This work investigates the realism of generating LLM-Powered social media bot networks. Through a combination of manual effort, network science and LLMs, we create synthetic bot agent personas, their tweets and their interactions, thereby simulating social media networks. We compare the generated networks against empirical bot/human data, observing that both network and linguistic properties of LLM-Powered Bots differ from Wild Bots/Humans. This has implications towards the detection and effectiveness of LLM-Powered Bots.
Abstract（参考訳）: 大規模言語モデル(LLMs)が高度化するにつれ、LLMをソーシャルメディアボットに活用する可能性が高まっている。本研究では,LLMを利用したソーシャルメディアボットネットワークの実現の現実性について検討する。手作業,ネットワーク科学,LLMの組み合わせにより,合成ボットエージェントのペルソナ,ツイート,インタラクションを生成し,ソーシャルメディアネットワークをシミュレートする。我々は,LLM駆動ボットのネットワーク特性と言語特性がWild Bots/Humansと異なることを観察し,経験的ボット/人間データと比較した。このことはLLM駆動ボットの検出と有効性に影響を及ぼす。

関連論文リスト

SocialEval: Evaluating Social Intelligence of Large Language Models [70.90981021629021]
ソーシャルインテリジェンス(英語版) (SI) は、社会的目標を達成するために社会的相互作用をナビゲートする際に賢明に行動する対人能力を持つ人間を装備する。結果指向の目標達成評価とプロセス指向の対人能力評価という,運用評価パラダイムを提示する。スクリプトベースのバイリンガルSIベンチマークであるSocialEvalを提案する。
論文参考訳（メタデータ） (2025-06-01T08:36:51Z)
Characterizing LLM-driven Social Network: The Chirper.ai Case [24.057352135719555]
大規模言語モデル(LLM)は、人間の意思決定プロセスをシミュレートする能力を示している。本稿では,LLMエージェントに代表されるX/TwitterのようなソーシャルネットワークであるChirper.aiを大規模に分析する。投稿行動,虐待内容,ソーシャルネットワーク構造におけるLLMエージェントと人間の主な違いについて検討した。
論文参考訳（メタデータ） (2025-04-14T14:53:31Z)
Can LLMs Simulate Social Media Engagement? A Study on Action-Guided Response Generation [51.44040615856536]
本稿では、行動誘導応答生成によるソーシャルメディアのエンゲージメントをシミュレートする大規模言語モデルの能力について分析する。 GPT-4o-mini,O1-mini,DeepSeek-R1をソーシャルメディアエンゲージメントシミュレーションで評価した。
論文参考訳（メタデータ） (2025-02-17T17:43:08Z)
A Complete Survey on LLM-based AI Chatbots [46.18523139094807]
過去数十年間、データの増加を目撃し、データ収集、学習ベースのAI技術の基礎を築いた。 AIチャットボットと呼ばれる会話エージェントは、大きな言語モデル(LLM)をトレーニングし、ユーザのプロンプトに応じて新しいコンテンツ(知識)を生成するために、そのようなデータに大きく依存している。本稿では,様々な分野におけるLLMベースのチャットボットの進化と展開に関する完全な調査を行う。
論文参考訳（メタデータ） (2024-06-17T09:39:34Z)
What Does the Bot Say? Opportunities and Risks of Large Language Models in Social Media Bot Detection [48.572932773403274]
ソーシャルボット検出における大規模言語モデルの可能性とリスクについて検討する。本稿では,多様なユーザ情報モダリティを分割し,克服するための混合異種エキスパートフレームワークを提案する。実験により、1000の注釈付き例に対する命令チューニングは、最先端のベースラインよりも優れた特殊なLLMを生成することが示された。
論文参考訳（メタデータ） (2024-02-01T06:21:19Z)
Chatbot is Not All You Need: Information-rich Prompting for More Realistic Responses [0.0]
近年のLarge Language Models (LLM) は、架空の人物や実際の人間を会話で模倣する際、顕著な能力を示している。 LLMからより現実的で一貫した応答を生成する新しい手法を提案する。新しいベンチマークデータセットとコード、プロンプト、サンプル結果はGithubで公開しています。
論文参考訳（メタデータ） (2023-12-25T02:18:58Z)
Can Large Language Models Transform Computational Social Science? [79.62471267510963]
大規模言語モデル(LLM)は、(トレーニングデータなしで)ゼロショットで多くの言語処理タスクを実行することができるこの研究は、計算社会科学ツールとしてLLMを使用するためのロードマップを提供する。
論文参考訳（メタデータ） (2023-04-12T17:33:28Z)
Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文参考訳（メタデータ） (2021-12-08T14:12:24Z)
Adversarial Socialbot Learning via Multi-Agent Deep Hierarchical Reinforcement Learning [31.33996447671789]
本稿では、強化学習(RL)などの計算学習機構を利用して、検出を回避しつつ、ソーシャルボットの影響を最大化することができることを示す。提案するポリシネットワークは,膨大な合成グラフを用いてトレーニングし,目に見えない実生活グラフのベースラインよりも優れた一般化を行う。これにより,本手法は実環境に展開する際の現実的な敵攻撃となる。
論文参考訳（メタデータ） (2021-10-20T16:49:26Z)
Twitter Bot Detection Using Bidirectional Long Short-term Memory Neural Networks and Word Embeddings [6.09170287691728]
本稿では,Twitterボットを人間アカウントと区別するために,単語埋め込みを用いたリカレントニューラルネットワークを開発した。実験により,既存の最先端ボット検出システムと比較して,本手法が競争力を発揮することが示された。
論文参考訳（メタデータ） (2020-02-03T17:07:03Z)

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。