論文の概要: LMM-Incentive: Large Multimodal Model-based Incentive Design for User-Generated Content in Web 3.0

• arxiv url: http://arxiv.org/abs/2510.04765v1
• Date: Mon, 06 Oct 2025 12:39:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.858777
• Title: LMM-Incentive: Large Multimodal Model-based Incentive Design for User-Generated Content in Web 3.0
• Title（参考訳）: LMMインセンティブ:Web 3.0におけるユーザ生成コンテンツのための大規模マルチモーダルモデルに基づくインセンティブ設計
• Authors: Jinbo Wen, Jiawen Kang, Linfeng Zhang, Xiaoying Tang, Jianhang Tang, Yang Zhang, Zhaohui Yang, Dusit Niyato,
• Abstract要約: Web 3.0は次世代のインターネットであり、価値表現とデータ所有権に焦点を当てた分散エコシステムとして広く認識されている。 ブロックチェーンと人工知能技術を活用することで、Web 3.0はユーザーがコンテンツを作成し、所有し、収益化するための前例のない機会を提供する。 一部の利己的なユーザは、コンテンツキュレーションの限界を利用して、少ない労力で低品質のコンテンツを生成し、情報非対称性の下でプラットフォーム報酬を得ることができる。
• 参考スコア（独自算出の注目度）: 60.604760613035126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web 3.0 represents the next generation of the Internet, which is widely recognized as a decentralized ecosystem that focuses on value expression and data ownership. By leveraging blockchain and artificial intelligence technologies, Web 3.0 offers unprecedented opportunities for users to create, own, and monetize their content, thereby enabling User-Generated Content (UGC) to an entirely new level. However, some self-interested users may exploit the limitations of content curation mechanisms and generate low-quality content with less effort, obtaining platform rewards under information asymmetry. Such behavior can undermine Web 3.0 performance. To this end, we propose \textit{LMM-Incentive}, a novel Large Multimodal Model (LMM)-based incentive mechanism for UGC in Web 3.0. Specifically, we propose an LMM-based contract-theoretic model to motivate users to generate high-quality UGC, thereby mitigating the adverse selection problem from information asymmetry. To alleviate potential moral hazards after contract selection, we leverage LMM agents to evaluate UGC quality, which is the primary component of the contract, utilizing prompt engineering techniques to improve the evaluation performance of LMM agents. Recognizing that traditional contract design methods cannot effectively adapt to the dynamic environment of Web 3.0, we develop an improved Mixture of Experts (MoE)-based Proximal Policy Optimization (PPO) algorithm for optimal contract design. Simulation results demonstrate the superiority of the proposed MoE-based PPO algorithm over representative benchmarks in the context of contract design. Finally, we deploy the designed contract within an Ethereum smart contract framework, further validating the effectiveness of the proposed scheme.
• Abstract（参考訳）: Web 3.0は次世代のインターネットであり、価値表現とデータ所有権に焦点を当てた分散エコシステムとして広く認識されている。 ブロックチェーンと人工知能技術を活用することで、Web 3.0は、ユーザがコンテンツを作成し、所有し、収益化するための前例のない機会を提供し、ユーザ生成コンテンツ(UGC)を完全に新しいレベルにする。 しかし、コンテンツキュレーションの限界を利用して、少ない労力で低品質のコンテンツを生成し、情報非対称性の下でプラットフォーム報酬を得る自己関心のあるユーザーもいる。 このような動作はWeb 3.0のパフォーマンスを損なう可能性がある。 そこで本研究では,Web 3.0 における UGC のインセンティブメカニズムである,LMM に基づく新規なインセンティブ機構である \textit{LMM-Incentive} を提案する。 具体的には、LMMに基づく契約理論モデルを提案し、ユーザを動機付け、高品質なUGCを生成することにより、情報非対称性から有害選択問題を緩和する。 契約選択後の潜在的なモラルハザードを軽減するために,LMMエージェントを利用して,契約の主成分であるUGCの品質を評価する。 従来の契約設計手法がWeb 3.0の動的環境に効果的に適応できないことを認識し、最適な契約設計のためのMixture of Experts(MoE)ベースのPPOアルゴリズムを改良した。 シミュレーション結果は,契約設計の文脈における代表ベンチマークよりもMoEに基づくPPOアルゴリズムの方が優れていることを示す。 最後に、設計したコントラクトをEthereumスマートコントラクトフレームワークにデプロイし、提案方式の有効性をさらに検証する。

関連論文リスト

• Re-ranking Using Large Language Models for Mitigating Exposure to Harmful Content on Social Media Platforms [10.421660174482314]
  ゼロショットおよび少数ショット設定において,Large Language Models (LLMs) を用いた新たな階層化手法を提案する。 提案手法は, ラベル付きデータを必要とすることなく, 有害なコンテンツ露出を効果的に軽減し, コンテンツシーケンスを動的に評価・再ランクする。
  論文  参考訳（メタデータ） (2025-01-23T00:26:32Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [92.40586697273868]
  モノのインターネットのタイムリーな更新は、車載メタバースサービスの没入を実現するために不可欠である。 本稿では,フェデレーション学習による効率的なプライバシ保護データ提供を可能にする没入型モデルトレーディングフレームワークを提案する。 実験の結果,提案手法は最先端のベンチマークよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-25T16:20:46Z)
• A Novel Blockchain Based Information Management Framework for Web 3.0 [30.15143659169484]
  本稿では,新しいブロックチェーンベースの情報管理フレームワークであるSmart-based Webを提案する。 本稿では,ユーザの情報提供に報いるために,Proof-of-Stakeに基づく効果的なコンセンサス機構を開発する。 この結果から,提案するコンセンサス機構がノードやユーザをインセンティブにすることで,より多くの情報提供が可能になることが示唆された。
  論文  参考訳（メタデータ） (2024-01-23T12:34:02Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)
• Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
  無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。 我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。 最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-09T09:30:23Z)

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。