論文の概要: Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation

• arxiv url: http://arxiv.org/abs/2510.13195v1
• Date: Wed, 15 Oct 2025 06:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.525511
• Title: Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation
• Title（参考訳）: LLMエージェントを用いた社会シミュレーションのための情緒的認知モデリングフレームワーク
• Authors: Qun Ma, Xiao Xue, Xuwen Zhang, Zihan Zhao, Yuwei Guo, Ming Zhang,
• Abstract要約: 本稿では,欲求生成と客観的管理を取り入れた感情認知フレームワークを構築する。 LLMベースのエージェントの完全な意思決定プロセスをモデル化し、状態進化、欲求生成、客観的最適化、意思決定、行動実行を含む。 実験の結果,我々のフレームワークが支配するエージェントは,感情状態と一致した行動を示すだけでなく,他のエージェントに対する比較評価においても,より優れた生態学的妥当性を示し,人間の行動パターンをより密に近似した決定結果を生成することがわかった。
• 参考スコア（独自算出の注目度）: 9.34696493928592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of large language models (LLMs) has enabled agents to represent virtual humans in societal simulations, facilitating diverse interactions within complex social systems. However, existing LLM-based agents exhibit severe limitations in affective cognition: They fail to simulate the bounded rationality essential for bridging virtual and real-world services; They lack empirically validated integration mechanisms embedding emotions within agent decision architectures. This paper constructs an emotional cognition framework incorporating desire generation and objective management, designed to achieve emotion alignment between LLM-based agents and humans, modeling the complete decision-making process of LLM-based agents, encompassing state evolution, desire generation, objective optimization, decision generation, and action execution. This study implements the proposed framework within our proprietary multi-agent interaction environment. Experimental results demonstrate that agents governed by our framework not only exhibit behaviors congruent with their emotional states but also, in comparative assessments against other agent types, demonstrate superior ecological validity and generate decision outcomes that significantly more closely approximate human behavioral patterns.
• Abstract（参考訳）: 大規模言語モデル(LLM)の出現により、エージェントは社会シミュレーションにおいて仮想人間を表現することができ、複雑な社会システム内の多様な相互作用を促進することができる。 しかし、既存のLLMベースのエージェントは、感情認知に深刻な制限を呈している: 仮想および現実世界のサービスをブリッジするのに不可欠な有界な合理性をシミュレートすることができない; エージェント決定アーキテクチャに感情を埋め込んだ経験的検証された統合メカニズムが欠如している。 本稿では, LLMをベースとしたエージェントと人間間の情動アライメントを実現するために, 欲求生成と客観的管理を取り入れた感情認知フレームワークを構築し, 状態進化, 欲求生成, 客観的最適化, 意思決定, 行動実行を含む, LLMベースのエージェントの完全な意思決定過程をモデル化する。 本研究では,提案するフレームワークを,プロプライエタリなマルチエージェントインタラクション環境内に実装する。 実験の結果,我々のフレームワークによって管理されているエージェントは,感情状態と一致した行動を示すだけでなく,他のエージェントに対する比較評価においても,より優れた生態学的妥当性を示し,人間の行動パターンをより密に近似した決定結果を生成することがわかった。

関連論文リスト

• 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)
• Integrating LLM in Agent-Based Social Simulation: Opportunities and Challenges [0.7739037410679168]
  本稿では,人間の認知の重要な側面を再現する大規模言語モデルの能力に関する最近の知見をレビューする。 第2部はマルチエージェント・シミュレーション・フレームワークにおけるLLMの新しい応用について調査している。 この論文は、従来のエージェントベースモデリングプラットフォームにLLMを統合するハイブリッドアプローチを提唱することで締めくくっている。
  論文  参考訳（メタデータ） (2025-07-25T15:15:35Z)
• Modeling Earth-Scale Human-Like Societies with One Billion Agents [54.465233996410156]
  Light Societyはエージェントベースのシミュレーションフレームワークである。 社会的プロセスはエージェントと環境状態の構造的遷移として形式化される。 10億以上のエージェントによる社会の効率的なシミュレーションを支援する。
  論文  参考訳（メタデータ） (2025-06-07T09:14:12Z)
• PolicyEvol-Agent: Evolving Policy via Environment Perception and Self-Awareness with Theory of Mind [9.587070290189507]
  PolicyEvol-Agentは、他者の意図を体系的に獲得するのが特徴の包括的なフレームワークである。 PolicyEvol-Agentは、さまざまな認知操作を、内的および外的視点とともに、心の理論と統合する。
  論文  参考訳（メタデータ） (2025-04-20T06:43:23Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 提案したベンチマーク実験により,EmoDebtは戦略的堅牢性を実現し,非適応的,感情に依存しないベースラインを著しく上回った。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• On the limits of agency in agent-based models [13.130587222524305]
  エージェントベースモデリングは複雑なシステムに対する強力な洞察を提供するが、その実用性は計算の制約によって制限されている。 大規模言語モデル(LLM)の最近の進歩は、適応エージェントによるABMを強化する可能性があるが、大規模なシミュレーションへの統合は依然として困難である。 大規模シミュレーションにおいて,行動複雑性と計算効率のバランスをとる手法であるLSMアーチタイプを提案する。
  論文  参考訳（メタデータ） (2024-09-14T04:17:24Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)

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。