論文の概要: Generalized Multi-agent Social Simulation Framework
- arxiv url: http://arxiv.org/abs/2510.06225v1
- Date: Fri, 26 Sep 2025 09:36:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-12 15:03:05.835184
- Title: Generalized Multi-agent Social Simulation Framework
- Title（参考訳）: 汎用マルチエージェント社会シミュレーションフレームワーク
- Authors: Gang Li, Jie Lin, Yining Tang, Ziteng Wang, Yirui Huang, Junyu Zhang, Shuang Luo, Chao Wu, Yike Guo,
- Abstract要約: マルチエージェントのソーシャルインタラクションは、明らかに大規模言語モデルから恩恵を受けている。
現在のシミュレーションシステムは、多様なシナリオへのスケーリングの難しさやモジュール設計の欠如による再利用性の低下といった課題に直面している。
階層構造を通じて様々なベースクラスを有機的に統合し,スケーラビリティと再利用性を得るモジュール型オブジェクト指向フレームワークを開発する。
- 参考スコア（独自算出の注目度）: 43.47601625634413
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent social interaction has clearly benefited from Large Language Models. However, current simulation systems still face challenges such as difficulties in scaling to diverse scenarios and poor reusability due to a lack of modular design. To address these issues, we designed and developed a modular, object-oriented framework that organically integrates various base classes through a hierarchical structure, harvesting scalability and reusability. We inherited the framework to realize common derived classes. Additionally, a memory summarization mechanism is proposed to filter and distill relevant information from raw memory data, prioritizing contextually salient events and interactions. By selecting and combining some necessary derived classes, we customized a specific simulated environment. Utilizing this simulated environment, we successfully simulated human interactions on social media, replicating real-world online social behaviors. The source code for the project will be released and evolve.
- Abstract（参考訳）: マルチエージェントのソーシャルインタラクションは、明らかに大規模言語モデルから恩恵を受けている。
しかしながら、現在のシミュレーションシステムは、多様なシナリオへのスケーリングの難しさやモジュラー設計の欠如による再利用性の低下といった課題に直面している。
これらの問題に対処するために,階層構造を通じて様々なベースクラスを有機的に統合し,スケーラビリティと再利用性を確保するモジュール型オブジェクト指向フレームワークを設計・開発しました。
私たちは共通の派生クラスを実現するためにフレームワークを継承した。
さらに、文脈的に健全なイベントやインタラクションを優先して、生のメモリデータから関連する情報をフィルタリングし、蒸留するメモリ要約機構を提案する。
必要なクラスを選択して組み合わせることで、特定のシミュレーション環境をカスタマイズした。
このシミュレートされた環境を利用して、ソーシャルメディア上でのヒューマンインタラクションをシミュレートし、実世界のオンラインソーシャル行動の再現に成功した。
プロジェクトのソースコードはリリースされ、進化します。
関連論文リスト
- Unified Interaction Foundational Model (UIFM) for Predicting Complex User and System Behavior [0.0]
我々は、実際の行動理解のために設計された基盤モデルであるUIFM(Unified Interaction Foundation Model)を紹介する。
中心となるのは複合トークン化の原理であり、各マルチ属性イベントは単一のセマンティックコヒーレント単位として扱われる。
これによりUIFMは、データポイントの切断されたストリームではなく、すべてのインタラクションを知覚して、ユーザ行動の基盤となる"文法"を学ぶことができる。
論文 参考訳（メタデータ） (2025-09-07T11:57:41Z) - Simulating Generative Social Agents via Theory-Informed Workflow Design [11.992123170134185]
社会エージェントのための体系的設計プロセスを提供する理論インフォームド・フレームワークを提案する。
私たちのフレームワークは、社会的認知理論の原則に基づいており、モチベーション、行動計画、学習という3つの重要なモジュールを導入しています。
実験により, 複雑な条件下での現実的な人間の行動パターンを再現できることが実証された。
論文 参考訳（メタデータ） (2025-08-12T08:14:48Z) - Multi-Actor Generative Artificial Intelligence as a Game Engine [49.360775442760314]
ジェネレーティブAIは、社会科学モデリングからインタラクティブな物語、AI評価に至るまで、マルチアクター環境で使用することができる。
ここでは、ゲームマスター(GM)が環境に責任を持ち、プレイヤーキャラクターの自発的な行動によって直接決定されないストーリーの全ての部分を生成できるテーブルトップロールプレイングゲーム(TTRPG)からインスピレーションを得るのが良い方法であると論じる。
論文 参考訳（メタデータ） (2025-07-10T22:31:09Z) - SIV-Bench: A Video Benchmark for Social Interaction Understanding and Reasoning [53.16179295245888]
SIV-Benchは、SSU(Social Scene Understanding)、SSR(Social State Reasoning)、SDP(Social Dynamics Prediction)におけるMLLM(Multimodal Large Language Models)の機能を評価するための新しいビデオベンチマークである。
SIV-Benchは、2,792本のビデオクリップと8,792本の人間とLLMのコラボレーティブパイプラインから得られた精巧に生成された質問応答ペアを備えている。
また、異なるテキストキュー固有のオンスクリーンテキスト、追加の対話、あるいはノーテキストの影響を分析するための専用の設定も含まれている。
論文 参考訳（メタデータ） (2025-06-05T05:51:35Z) - Simulating Public Administration Crisis: A Novel Generative Agent-Based
Simulation System to Lower Technology Barriers in Social Science Research [0.0]
本稿では,GPT-3.5大言語モデルに基づく社会シミュレーションのパラダイムを提案する。
これには、人間の認知、記憶、意思決定のフレームワークをエミュレートする生成エージェントの構築が含まれる。
エージェントはパーソナライズされたカスタマイズを示し、公開イベントは自然言語処理によってシームレスに組み込まれる。
論文 参考訳（メタデータ） (2023-11-12T20:48:01Z) - CGMI: Configurable General Multi-Agent Interaction Framework [0.0]
ヒューマンインタラクションを現実のシナリオで再現するために設計された汎用多エージェントインタラクション(CGMI)フレームワーク。
エージェントパーソナリティの割り当て,検出,維持のための木構造的手法を提案する。
また,仮想環境の現実性を高めるために汎用エージェントを統合した。
論文 参考訳（メタデータ） (2023-08-24T02:03:29Z) - User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。
実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文 参考訳（メタデータ） (2023-06-05T02:58:35Z) - Modular Deep Learning [120.36599591042908]
トランスファーラーニングは近年、機械学習の主要なパラダイムとなっている。
負の干渉を伴わずに複数のタスクを専門とするモデルを開発する方法はまだ不明である。
これらの課題に対する有望な解決策として、モジュール型ディープラーニングが登場した。
論文 参考訳（メタデータ） (2023-02-22T18:11:25Z) - Adaptive Synthetic Characters for Military Training [0.9802137009065037]
現在の軍事シミュレーションにおける合成文字の挙動は、一般的にルールベースおよびリアクティブ計算モデルによって生成されるため、限られている。
本稿では,信頼できる行動のコヒーレントなシーケンスを実行できる自律的な合成文字を作成することを目的とした枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-06T18:45:48Z)
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。