論文の概要: Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology

• arxiv url: http://arxiv.org/abs/2508.21740v1
• Date: Fri, 29 Aug 2025 16:06:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.109119
• Title: Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology
• Title（参考訳）: 大言語モデルエージェント社会シミュレーションの運用検証:Voat v/Technologyによる証拠
• Authors: Aleksandar Tomašević, Darja Cvetković, Sara Major, Slobodan Maletić, Miroslav Anđelković, Ana Vranić, Boris Stupovski, Dušan Vudragović, Aleksandar Bogojević, Marija Mitrović Dankulov,
• Abstract要約: 私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。 YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。 エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。 結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
• 参考スコア（独自算出の注目度）: 59.63189507373199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) enable generative social simulations that can capture culturally informed, norm-guided interaction on online social platforms. We build a technology community simulation modeled on Voat, a Reddit-like alt-right news aggregator and discussion platform active from 2014 to 2020. Using the YSocial framework, we seed the simulation with a fixed catalog of technology links sampled from Voat's shared URLs (covering 30+ domains) and calibrate parameters to Voat's v/technology using samples from the MADOC dataset. Agents use a base, uncensored model (Dolphin 3.0, based on Llama 3.1 8B) and concise personas (demographics, political leaning, interests, education, toxicity propensity) to generate posts, replies, and reactions under platform rules for link and text submissions, threaded replies and daily activity cycles. We run a 30-day simulation and evaluate operational validity by comparing distributions and structures with matched Voat data: activity patterns, interaction networks, toxicity, and topic coverage. Results indicate familiar online regularities: similar activity rhythms, heavy-tailed participation, sparse low-clustering interaction networks, core-periphery structure, topical alignment with Voat, and elevated toxicity. Limitations of the current study include the stateless agent design and evaluation based on a single 30-day run, which constrains external validity and variance estimates. The simulation generates realistic discussions, often featuring toxic language, primarily centered on technology topics such as Big Tech and AI. This approach offers a valuable method for examining toxicity dynamics and testing moderation strategies within a controlled environment.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、オンラインソーシャルプラットフォーム上で文化的に情報を得た、規範的な対話をキャプチャする、生成的な社会シミュレーションを可能にする。 私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。 YSocialフレームワークを用いて、Voatの共有URL(30以上のドメインを含む)からサンプリングされた技術リンクの固定カタログを用いてシミュレーションをシードし、MADOCデータセットのサンプルを使用してVoatのv/テクノロジにパラメータをキャリブレーションする。 エージェントは、基本的な、検閲されていないモデル(Dolphin 3.0、Llama 3.1 8Bに基づく)と簡潔なペルソナ(デコグラフィー、政治的傾倒、関心、教育、毒性確率)を使用して、リンクとテキストの提出、スレッディングされた返信、日々のアクティビティサイクルのためのプラットフォームルールの下でポスト、返信、反応を生成する。 我々は30日間のシミュレーションを行い、分布と構造を一致するVoatデータ(活動パターン、相互作用ネットワーク、毒性、トピックカバレッジ)と比較することで、運用の有効性を評価する。 結果は、類似のアクティビティリズム、ヘビーテールの参加、疎低クラスタの相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性など、よく知られたオンラインレギュラー性を示す。 この研究の限界には、外部の妥当性と分散の推定を制約する1回の30日間の実行に基づくステートレスエージェントの設計と評価が含まれる。 このシミュレーションは、しばしば有毒な言語を特徴とする現実的な議論を生み出し、主にビッグデータやAIといった技術トピックに焦点を当てている。 このアプローチは、制御された環境内で毒性のダイナミクスを調べ、モデレーションをテストするための貴重な方法を提供する。

関連論文リスト

• Don't Trust Generative Agents to Mimic Communication on Social Networks Unless You Benchmarked their Empirical Realism [1.734165485480267]
  我々は,大規模言語モデルを用いて,ソーシャルネットワーク利用者の行動の再現に重点を置いている。 我々は、英語とドイツ語でユーザ動作を模倣する様々なアプローチを経験的にテストした。 本研究は, シミュレーション部品が装着された環境で測定された経験的現実性によって, 社会シミュレーションを検証すべきであることを示唆している。
  論文  参考訳（メタデータ） (2025-06-27T07:32:16Z)
• 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)
• Towards Online Multi-Modal Social Interaction Understanding [36.37278022436327]
  本稿では,記録された対話やビデオストリームなどの履歴情報のみを用いて,MMSIタスクをモデルが解決しなければならないオンラインMMSI設定を提案する。 マルチパーティ会話予測とソーシャル・アウェア・ビジュアル・プロンプトという2つの補完的戦略を活用する新しいフレームワークである Online-MMSI-VLM を開発した。 提案手法は最先端の性能を達成し,ベースラインモデルを大幅に上回り,オンラインMMSIにおける有効性を示す。
  論文  参考訳（メタデータ） (2025-03-25T17:17:19Z)
• Political Bias in LLMs: Unaligned Moral Values in Agent-centric Simulations [0.0]
  モーラル・ファンデーション理論アンケートにおいて,パーソナライズされた言語モデルと人間の反応がどのように一致しているかを検討する。 我々は、オープンソースの生成言語モデルを異なる政治的ペルソナに適応させ、これらのモデルを繰り返し調査し、合成データセットを生成する。 解析の結果,モデルが複数の繰り返しにまたがって不整合な結果をもたらし,高い応答差が生じることがわかった。
  論文  参考訳（メタデータ） (2024-08-21T08:20:41Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• A New Generation of Perspective API: Efficient Multilingual Character-level Transformers [66.9176610388952]
  Google JigsawのAspective APIの次期バージョンの基礎を提示する。 このアプローチの中心は、単一の多言語トークンフリーなCharformerモデルである。 静的な語彙を強制することで、さまざまな設定で柔軟性が得られます。
  論文  参考訳（メタデータ） (2022-02-22T20:55:31Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。