論文の概要: AuraSight: Generating Realistic Social Media Data

• arxiv url: http://arxiv.org/abs/2509.08927v1
• Date: Wed, 10 Sep 2025 18:44:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.107221
• Title: AuraSight: Generating Realistic Social Media Data
• Title（参考訳）: AuraSight: リアルなソーシャルメディアデータを生成する
• Authors: Lynnette Hui Xian Ng, Bianca N. Y. Kang, Kathleen M. Carley,
• Abstract要約: 本書は、架空のポップカルチャーエピソード(AuraSight)のための擬現実的集合Xデータを生成する過程の背後にある物語と技術設計について詳述する。 ソーシャルメディアのポストシミュレーションは、既知のエージェントセットから形成された創発的ネットワーク行動を理解するための現実的なトレーニングシナリオを作成するために不可欠である。
• 参考スコア（独自算出の注目度）: 1.9604016708932754
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This document details the narrative and technical design behind the process of generating a quasi-realistic set X data for a fictional multi-day pop culture episode (AuraSight). Social media post simulation is essential towards creating realistic training scenarios for understanding emergent network behavior that formed from known sets of agents. Our social media post generation pipeline uses the AESOP-SynSM engine, which employs a hybrid approach of agent-based and generative artificial intelligence techniques. We explicate choices in scenario setup and summarize the fictional groups involved, before moving on to the operationalization of these actors and their interactions within the SynSM engine. We also briefly illustrate some outputs generated and discuss the utility of such simulated data and potential future improvements.
• Abstract（参考訳）: この文書は、架空の多日間のポップカルチャーエピソード(AuraSight)のための準現実的なセットXデータを生成するプロセスの背後にある物語と技術設計について詳述する。 ソーシャルメディアのポストシミュレーションは、既知のエージェントセットから形成された創発的ネットワーク行動を理解するための現実的なトレーニングシナリオを作成するために不可欠である。 我々のソーシャルメディアポストジェネレーションパイプラインは、エージェントベースおよび生成人工知能技術のハイブリッドアプローチであるAESOP-SynSMエンジンを使用している。 シナリオ設定における選択を詳述し、関連する架空のグループを要約した後、これらのアクターの運用とSynSMエンジン内でのインタラクションに移行する。 また、このようなシミュレーションデータの有用性と将来的な改善について、いくつかのアウトプットを簡潔に説明し、議論する。

関連論文リスト

• InfGen: Scenario Generation as Next Token Group Prediction [49.54222089551598]
  InfGenは、エージェント状態とトラジェクトリを自動回帰的に出力するシナリオ生成フレームワークである。 実験により、InfGenは現実的で多様性があり、適応的な交通行動を生み出すことが示された。
  論文  参考訳（メタデータ） (2025-06-29T16:18:32Z)
• ASMR: Augmenting Life Scenario using Large Generative Models for Robotic Action Reflection [21.75681306780917]
  本稿では,ロボット支援シナリオにおけるデータ拡張に着目した新しいフレームワークを提案する。 潜在的な会話や環境コンテキストをシミュレートするために、洗練された大きな言語モデルを活用する。 さらに生成されたデータは、最新のマルチモーダルモデルを洗練し、適切なアクションをより正確に決定するのに役立つ。
  論文  参考訳（メタデータ） (2025-06-16T19:58:54Z)
• 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)
• An Interactive Agent Foundation Model [49.77861810045509]
  本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。 トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。 私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
  論文  参考訳（メタデータ） (2024-02-08T18:58:02Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Generative Agents: Interactive Simulacra of Human Behavior [86.1026716646289]
  生成エージェントを導入し,人間の振る舞いをシミュレートする計算ソフトウェアエージェントについて紹介する。 エージェントの経験の完全な記録を格納するために,大規模言語モデルを拡張するアーキテクチャについて述べる。 The Simsにインスパイアされた対話型サンドボックス環境に生成エージェントを投入する。
  論文  参考訳（メタデータ） (2023-04-07T01:55:19Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)
• Modelling Direct Messaging Networks with Multiple Recipients for Cyber Deception [13.447335354083666]
  本稿では,電子メールとインスタントメッセージ形式のグループ通信を大規模に自動生成するフレームワークを提案する。 我々は,このタイプのシステムをシミュレーションする2つの重要な側面に対処する: 参加者がいつ,誰と通信するかをモデル化し,また,話題の多人数のテキストを生成して,シミュレートされた会話スレッドをポップアップさせる。 我々は,マルチパーティ会話スレッドを生成するために,微調整,事前訓練された言語モデルを用いることを実証する。
  論文  参考訳（メタデータ） (2021-11-21T10:18:48Z)

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。