論文の概要: A Multi-Agent Psychological Simulation System for Human Behavior Modeling
- arxiv url: http://arxiv.org/abs/2511.02606v1
- Date: Tue, 04 Nov 2025 14:28:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 18:47:06.073622
- Title: A Multi-Agent Psychological Simulation System for Human Behavior Modeling
- Title（参考訳）: 行動モデリングのためのマルチエージェント心理学シミュレーションシステム
- Authors: Xiangen Hu, Jiarui Tong, Sheng Xu,
- Abstract要約: 人間中心の分野における訓練と教育は、真の実践を必要とするが、人間の行動の現実的なシミュレーションは、いまだに限られている。
本稿では,認知影響過程をモデル化し,人間の行動を生成するマルチエージェント心理学シミュレーションシステムを提案する。
- 参考スコア（独自算出の注目度）: 4.254136484646083
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Training and education in human-centered fields require authentic practice, yet realistic simulations of human behavior have remained limited. We present a multi-agent psychological simulation system that models internal cognitive-affective processes to generate believable human behaviors. In contrast to black-box neural models, this system is grounded in established psychological theories (e.g., self-efficacy, mindset, social constructivism) and explicitly simulates an ``inner parliament'' of agents corresponding to key psychological factors. These agents deliberate and interact to determine the system's output behavior, enabling unprecedented transparency and alignment with human psychology. We describe the system's architecture and theoretical foundations, illustrate its use in teacher training and research, and discuss how it embodies principles of social learning, cognitive apprenticeship, deliberate practice, and meta-cognition.
- Abstract（参考訳）: 人間中心の分野における訓練と教育は、真の実践を必要とするが、人間の行動の現実的なシミュレーションは、いまだに限られている。
本稿では,認知影響過程をモデル化し,人間の行動を生成するマルチエージェント心理学シミュレーションシステムを提案する。
ブラックボックス・ニューラルモデルとは対照的に、このシステムは確立された心理学理論(例えば、自己効力性、マインドセット、社会的構成主義)に基礎を置いており、重要な心理的要因に対応するエージェントの'inner Parliament''を明示的にシミュレートしている。
これらのエージェントは、システムの出力の振る舞いを意図的に決定し、相互作用し、前例のない透明性と人間の心理学との整合を可能にする。
システムのアーキテクチャと理論的基礎を解説し、教師の訓練と研究での利用を説明し、それが社会学習、認知的見習い、故意の実践、メタ認知の原則をどのように具現化しているかについて議論する。
関連論文リスト
- 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) - A Brain-inspired Computational Model for Human-like Concept Learning [12.737696613208632]
この研究は、スパイクニューラルネットワークに基づく概念学習のための人間のような計算モデルを開発する。
多様な情報源によって引き起こされる課題と2つの概念表現の非バランスな次元性に効果的に対処することにより、この研究は人間のような概念表現を達成することに成功した。
論文 参考訳（メタデータ） (2024-01-12T09:32:51Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - NeuroCERIL: Robotic Imitation Learning via Hierarchical Cause-Effect
Reasoning in Programmable Attractor Neural Networks [2.0646127669654826]
本稿では,脳にインスパイアされた神経認知アーキテクチャであるNeuroCERILについて紹介する。
シミュレーションされたロボット模倣学習領域において,NeuroCERILは様々な手続き的スキルを習得できることを示す。
我々は、NeuroCERILは人間のような模倣学習の実行可能な神経モデルであると結論付けた。
論文 参考訳（メタデータ） (2022-11-11T19:56:11Z) - Modeling Human Behavior Part I -- Learning and Belief Approaches [0.0]
探索とフィードバックを通じて行動のモデルや方針を学ぶ手法に焦点を当てる。
次世代の自律的適応システムは、主にAIエージェントと人間がチームとして一緒に働く。
論文 参考訳（メタデータ） (2022-05-13T07:33:49Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z)
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。