論文の概要: PsyAgent: Constructing Human-like Agents Based on Psychological Modeling and Contextual Interaction
- arxiv url: http://arxiv.org/abs/2601.06158v1
- Date: Tue, 06 Jan 2026 11:14:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:00.623981
- Title: PsyAgent: Constructing Human-like Agents Based on Psychological Modeling and Contextual Interaction
- Title（参考訳）: PsyAgent:心理学的モデリングと文脈相互作用に基づく人間のようなエージェントの構築
- Authors: Zibin Meng, Kani Chen,
- Abstract要約: PsyAgentは,Bourdieuの認知社会的共生構造に先行して,ビッグファイブの特徴を併せ持つものである。
i)個人構造(IS)、特徴とファセットを符号化するマシン使用可能なプロファイル、認知スタイル、価値観、文化的・教育的資本、および健全なライフエピソード、(ii)マルチシナリオコンテキスト(MSC)、および8つのアリーナにまたがるロール・リレーシップ・ノームフレーム。
- 参考スコア（独自算出の注目度）: 4.663685189987781
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human-like agents require modeling how dispositions interact with social structure. We present PsyAgent, which couples a Big Five trait prior with Bourdieu's cognitive-social co-structure. PsyAgent comprises: (i) Individual Structure (IS), a machine-usable profile encoding traits and facets, cognitive style, values, cultural and educational capital, and salient life episodes; and (ii) Multi-Scenario Contexting (MSC), role-relationship-norm frames spanning eight arenas (work, family, friendship, strangers and civic life, solitude and self-regulation, romance, learning, and public expression). At inference, fixed structured prompts bind the active scenario to the agent profile, yielding behavior that is stable yet context-sensitive. We instantiate IS and MSC to synthesize supervision (role-play dialogues, decision probes, feedback trajectories) and then fine-tune a small LLM. The resulting model produces consistent, identifiable persona-aligned behaviors for specified Big Five configurations and matches or exceeds several larger untuned LLMs and other untuned baselines on our metrics: persona consistency, contextual appropriateness, style matching, trait identifiability, and long-horizon stability. Ablations show IS chiefly improves trait fidelity and stylistic stability, while MSC drives norm awareness and decision fit; both are necessary for cross-scenario performance. PsyAgent offers a precise, data-efficient architecture for personality-grounded agents.
- Abstract（参考訳）: 人間のようなエージェントは、配置が社会構造とどのように相互作用するかをモデル化する必要がある。
PsyAgentは,Bourdieuの認知社会的共生構造に先行して,ビッグファイブの特徴を併せ持つものである。
PsyAgent は:
一 個人構造(IS) 特徴・面、認知様式、価値観、文化的・教育的資本及び有能な人生のエピソードを符号化する機械使用可能なプロファイル
(二)マルチシナリオ・コンテクスト(MSC)、8つのアリーナ(仕事、家族、友情、見知らぬ人、市民生活、孤独と自己統制、ロマンス、学習、公共表現)にまたがる役割関係-ノルムフレーム
推論では、固定された構造化されたプロンプトがエージェントプロファイルにアクティブなシナリオをバインドし、安定したがコンテキストに敏感な振る舞いをもたらす。
我々は、ISとMSCをインスタンス化し、監督(ロールプレイ対話、決定プローブ、フィードバック軌道)を合成し、小さなLSMを微調整する。
得られたモデルは、特定されたビッグファイブ構成とマッチする、一貫性があり識別可能なペルソナアライメントの振る舞いを生成し、我々のメトリクス上のいくつかの大きな未調整LCMや他の未修正ベースライン、すなわちペルソナ一貫性、文脈的適切性、スタイルマッチング、特性識別性、長期安定性を上回ります。
ISは特性の忠実さとスタイリスティックな安定性を主に改善し、MSCは規範的認識と意思決定の適合を推進している。
PsyAgentはパーソナライズされたエージェントに対して、正確でデータ効率のよいアーキテクチャを提供する。
関連論文リスト
- Enhancing Persona Following at Decoding Time via Dynamic Importance Estimation for Role-Playing Agents [13.003892350610947]
社会学研究におけるロールプレイング言語エージェントの有用性は,大規模言語モデルの導入とともに増大している。
社会シミュレーションにおけるリアリズムにおいては、ロールプレイング言語エージェントは、キャラクタープロファイルによって定義されたペルソナに従わなければならない。
本稿では,文脈に依存したペルソナの重要度を動的に推定し,重み付けされた報酬誘導復号に組み込む新しい理論駆動手法を提案する。
論文 参考訳（メタデータ） (2026-03-02T04:37:16Z) - The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。
ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。
エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
論文 参考訳（メタデータ） (2026-02-13T05:28:31Z) - HumanLLM: Towards Personalized Understanding and Simulation of Human Nature [72.55730315685837]
HumanLLMは個人のパーソナライズされた理解とシミュレーションのために設計された基礎モデルである。
私たちはまず、Reddit、Twitter、Blogger、Amazonといったプラットフォーム上で、現実世界のユーザデータをキュレートした大規模なコーパスであるCognitive Genomeを構築しました。
次に、多様な学習タスクを定式化し、教師付き微調整を行い、モデルの幅広い個人化された人間の行動、思考、経験を予測する。
論文 参考訳（メタデータ） (2026-01-22T09:27:27Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - HUMANLLM: Benchmarking and Reinforcing LLM Anthropomorphism via Human Cognitive Patterns [59.17423586203706]
本稿では,心理的パターンを因果力の相互作用として扱うフレームワークであるHUMANLLMを提案する。
12,000の学術論文から244のパターンを構築し、2-5のパターンが相互に強化、衝突、変調されるシナリオ11,359を合成する。
我々の二重レベルチェックリストは、個々のパターンの忠実度と創発的なマルチパターンのダイナミクスを評価し、強い人間のアライメントを達成する。
論文 参考訳（メタデータ） (2026-01-15T08:56:53Z) - Structured Personality Control and Adaptation for LLM Agents [11.050618253938126]
大規模言語モデル(LLM)は、ますますヒトとコンピュータの相互作用(HCI)を形作っている
ユング心理学的タイプを用いたLLMパーソナリティをモデル化する枠組みを提案する。
この設計により、エージェントは対話要求に応じて動的に調整しながらニュアンス付き特性を維持することができる。
論文 参考訳（メタデータ） (2026-01-15T03:15:24Z) - DPRF: A Generalizable Dynamic Persona Refinement Framework for Optimizing Behavior Alignment Between Personalized LLM Role-Playing Agents and Humans [28.038221167188013]
言語モデルロールプレイングエージェント(LLM RPA)は、個人の行動のシミュレートを目的としている。
Dynamic Persona Refinement Framework (DPRF) は、LLM RPAの動作とターゲット個人とのアライメントを最適化することを目的としている。
論文 参考訳（メタデータ） (2025-10-16T01:26:38Z) - Agentic Services Computing [51.50424046053763]
本稿では,自律的,適応的,協調的なエージェントとしてサービスを再定義するパラダイムであるエージェントサービスコンピューティングを提案する。
ASCは、設計、デプロイ、運用、進化という4段階のライフサイクルを包含しています。
論文 参考訳（メタデータ） (2025-09-29T07:29:18Z) - The Traitors: Deception and Trust in Multi-Agent Language Model Simulations [0.0]
ソーシャル・デダクション・ゲームに触発されたマルチエージェント・シミュレーション・フレームワークであるThe Traitorsを紹介した。
我々は,詐欺の成功,信頼ダイナミクス,集団推論品質を計測する評価指標のスイートを開発する。
DeepSeek-V3, GPT-4o-mini, GPT-4o(モデル毎に10回の走行)による実験では, 顕著な非対称性が示された。
論文 参考訳（メタデータ） (2025-05-19T10:01:35Z) - 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) - CharacterGLM: Customizing Chinese Conversational AI Characters with
Large Language Models [66.4382820107453]
本稿では,ChatGLM上に構築されたモデルである characterGLM について紹介する。
我々のキャラクタGLMは文字ベースの対話(CharacterDial)を生成するために設計されており、人間固有の社会的欲求と感情的欲求を満たすための文字カスタマイズを備えた対話型AIシステムを実現することを目的としている。
論文 参考訳（メタデータ） (2023-11-28T14:49:23Z) - Towards the Scalable Evaluation of Cooperativeness in Language Models [1.7875811547963403]
我々は, PLMのマルチエージェント行動を理解し, 形成することを目的としている。
クラウドワーカーと言語モデルの両方で、特定の構造でシナリオを生成します。
インストラクションをチューニングしたモデルは、スケールアップ時に協調的と見なされるような振る舞いをする傾向にある。
論文 参考訳（メタデータ） (2023-03-16T15:34:23Z)
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。