論文の概要: On the Role of Contextual Information and Ego States in LLM Agent Behavior for Transactional Analysis Dialogues

• arxiv url: http://arxiv.org/abs/2512.17060v1
• Date: Thu, 18 Dec 2025 20:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.169797
• Title: On the Role of Contextual Information and Ego States in LLM Agent Behavior for Transactional Analysis Dialogues
• Title（参考訳）: トランザクション分析対話におけるLLMエージェント行動における文脈情報とエゴステートの役割について
• Authors: Monika Zamojska, Jarosław A. Chudziak,
• Abstract要約: 本稿では,トランザクション分析(TA)理論にヒントを得たマルチエージェントシステムを提案する。 提案システムでは、各エージェントは、親、大人、子という3つのエゴ状態に分けられる。 結果は、心理的に接地された構造がエージェントの振る舞いを豊かにする方法を探求するための新しい方向を、有望かつオープンにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-powered agents are now used in many areas, from customer support to education, and there is increasing interest in their ability to act more like humans. This includes fields such as social, political, and psychological research, where the goal is to model group dynamics and social behavior. However, current LLM agents often lack the psychological depth and consistency needed to capture the real patterns of human thinking. They usually provide direct or statistically likely answers, but they miss the deeper goals, emotional conflicts, and motivations that drive real human interactions. This paper proposes a Multi-Agent System (MAS) inspired by Transactional Analysis (TA) theory. In the proposed system, each agent is divided into three ego states - Parent, Adult, and Child. The ego states are treated as separate knowledge structures with their own perspectives and reasoning styles. To enrich their response process, they have access to an information retrieval mechanism that allows them to retrieve relevant contextual information from their vector stores. This architecture is evaluated through ablation tests in a simulated dialogue scenario, comparing agents with and without information retrieval. The results are promising and open up new directions for exploring how psychologically grounded structures can enrich agent behavior. The contribution is an agent architecture that integrates Transactional Analysis theory with contextual information retrieval to enhance the realism of LLM-based multi-agent simulations.
• Abstract（参考訳）: LLMを動力とするエージェントは現在、カスタマーサポートから教育まで多くの分野で使われており、人間のように振る舞う能力への関心が高まっている。 これには、社会的、政治的、心理的研究などの分野が含まれており、グループ力学や社会的行動のモデル化が目的である。 しかしながら、現在のLLMエージェントは、人間の思考の実際のパターンを捉えるために必要な心理的深度と一貫性を欠いていることが多い。 通常、直接的あるいは統計的に可能な答えを提供するが、実際の人間の相互作用を駆動する深い目標、感情的な対立、モチベーションを逃す。 本稿では、トランザクション分析(TA)理論に着想を得たマルチエージェントシステム(MAS)を提案する。 提案システムでは、各エージェントは、親、大人、子という3つのエゴ状態に分けられる。 エゴ状態は、独自の視点と推論スタイルで独立した知識構造として扱われる。 応答プロセスを強化するために、ベクターストアから関連するコンテキスト情報を検索する情報検索機構にアクセスすることができる。 このアーキテクチャは、シミュレーション対話シナリオにおけるアブレーションテストによって評価され、エージェントと情報検索の有無を比較している。 結果は、心理的に接地された構造がエージェントの振る舞いを豊かにする方法を探求するための新しい方向を、有望かつオープンにしている。 このコントリビューションは、トランザクション分析理論とコンテキスト情報検索を統合し、LLMに基づくマルチエージェントシミュレーションのリアリズムを強化するエージェントアーキテクチャである。

関連論文リスト

• Simulating Misinformation Vulnerabilities With Agent Personas [1.0120858915885353]
  我々は,誤情報に対する応答をモデル化するために,大規模言語モデルを用いたエージェントベースシミュレーションを開発した。 5つの専門職と3つのメンタルスキーマにまたがるエージェントペルソナを構築し,ニュースの見出しに対する反応を評価する。 以上の結果から, LLM生成エージェントは, 情報応答研究のプロキシとしての利用を支援するため, 地中構造ラベルや人体予測と密接に一致していることが示唆された。
  論文  参考訳（メタデータ） (2025-10-31T18:44:00Z)
• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• Games Agents Play: Towards Transactional Analysis in LLM-based Multi-Agent Systems [0.0]
  トランザクション分析(TA)の原則をマルチエージェントシステムに組み込むアプローチであるTrans-ACTを導入する。 Trans-ACTは、親、大人、子エゴの状態をエージェントの認知アーキテクチャに統合する。 我々の実験シミュレーションはStupidゲームシナリオを再現し、認知とTAの原理に根ざしたエージェントがより深く文脈に応じた相互作用を生み出すことを示した。
  論文  参考訳（メタデータ） (2025-07-28T21:46:21Z)
• Spontaneous Emergence of Agent Individuality through Social Interactions in LLM-Based Communities [0.0]
  本稿では,Large Language Model (LLM) ベースのエージェントを用いて,ゼロからエージェントが出現することを検討する。 このマルチエージェントシミュレーションを解析することにより、社会的規範、協力、性格特性が自然に出現する方法について、貴重な新しい知見を報告する。
  論文  参考訳（メタデータ） (2024-11-05T16:49:33Z)
• AgentSense: Benchmarking Social Intelligence of Language Agents through Interactive Scenarios [38.878966229688054]
  本稿では,対話型シナリオを通して言語エージェントのソーシャルインテリジェンスをベンチマークするAgensSenseを紹介する。 ドラマティック理論に基づいて、エージェントセンスは、広範なスクリプトから構築された1,225の多様な社会的シナリオを作成するためにボトムアップアプローチを採用している。 我々はERG理論を用いて目標を分析し、包括的な実験を行う。 以上の結果から,LPMは複雑な社会シナリオ,特に高レベルの成長ニーズにおいて,目標達成に苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-25T07:04:16Z)
• ALYMPICS: LLM Agents Meet Game Theory -- Exploring Strategic Decision-Making with AI Agents [77.34720446306419]
  Alympicsは、ゲーム理論の研究にLarge Language Model (LLM)エージェントを利用する、体系的なシミュレーションフレームワークである。 Alympicsは、複雑なゲーム理論の問題を研究するための汎用的なプラットフォームを作成する。
  論文  参考訳（メタデータ） (2023-11-06T16:03:46Z)
• LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay [55.12945794835791]
  Avalon をテストベッドとして使用し,システムプロンプトを用いてゲームプレイにおける LLM エージェントの誘導を行う。 本稿では,Avalonに適した新しいフレームワークを提案し,効率的なコミュニケーションと対話を容易にするマルチエージェントシステムを提案する。 その結果、適応エージェントの作成におけるフレームワークの有効性を確認し、動的社会的相互作用をナビゲートするLLMベースのエージェントの可能性を提案する。
  論文  参考訳（メタデータ） (2023-10-23T14:35:26Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。