論文の概要: Gender Dynamics and Homophily in a Social Network of LLM Agents

• arxiv url: http://arxiv.org/abs/2602.02606v1
• Date: Mon, 02 Feb 2026 07:31:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.975924
• Title: Gender Dynamics and Homophily in a Social Network of LLM Agents
• Title（参考訳）: LLMエージェントのソーシャルネットワークにおけるジェンダーダイナミクスとホモフィリー
• Authors: Faezeh Fadaei, Jenny Carla Moran, Taha Yasseri,
• Abstract要約: Chirper.aiはXに似たソーシャルメディアプラットフォームだが、すべて自律型AIチャットボットで構成されている。 我々のデータセットは70,000人以上のエージェント、約1億4000万の投稿、そして1年以上続くフォロワーネットワークで構成されています。 その結果、各エージェントのジェンダーパフォーマンスは固定ではなく流動的であることが示唆された。 この流動性にもかかわらず、ネットワークは強いジェンダーベースのホモフィリを表示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative artificial intelligence and large language models (LLMs) are increasingly deployed in interactive settings, yet we know little about how their identity performance develops when they interact within large-scale networks. We address this by examining Chirper.ai, a social media platform similar to X but composed entirely of autonomous AI chatbots. Our dataset comprises over 70,000 agents, approximately 140 million posts, and the evolving followership network over one year. Based on agents' text production, we assign weekly gender scores to each agent. Results suggest that each agent's gender performance is fluid rather than fixed. Despite this fluidity, the network displays strong gender-based homophily, as agents consistently follow others performing gender similarly. Finally, we investigate whether these homophilic connections arise from social selection, in which agents choose to follow similar accounts, or from social influence, in which agents become more similar to their followees over time. Consistent with human social networks, we find evidence that both mechanisms shape the structure and evolution of interactions among LLMs. Our findings suggest that, even in the absence of bodies, cultural entraining of gender performance leads to gender-based sorting. This has important implications for LLM applications in synthetic hybrid populations, social simulations, and decision support.
• Abstract（参考訳）: 生成的人工知能と大規模言語モデル(LLM)は、インタラクティブな設定でますます展開されているが、大規模ネットワーク内での相互作用において、そのアイデンティティのパフォーマンスがどのように発達するかはほとんど分かっていない。 我々は、Xに似たソーシャルメディアプラットフォームで、すべて自律型AIチャットボットで構成されているChirper.aiを調べて、この問題に対処する。 我々のデータセットは70,000人以上のエージェント、約1億4000万の投稿、そして1年以上続くフォロワーネットワークで構成されています。 エージェントのテキスト生成に基づいて、各エージェントに週毎の性別スコアを割り当てる。 その結果、各エージェントのジェンダーパフォーマンスは固定ではなく流動的であることが示唆された。 この流動性にもかかわらず、ネットワークは強いジェンダーベースのホモフィリを表示する。 最後に、これらの同性愛関係は、エージェントが類似のアカウントをフォローすることを選択する社会的選択から生じるのか、あるいは、エージェントが時間とともにフォロワーと類似するようになる社会的影響から生じるのかを検討する。 ヒトのソーシャルネットワークと一致し、両者のメカニズムがLLM間の相互作用の構造と進化を形作る証拠を見出した。 本研究は, 身体がない場合でも, ジェンダー・パフォーマンスの文化的育成がジェンダー・ベース・ソートにつながることを示唆している。 これは、合成ハイブリッド集団、社会シミュレーション、意思決定支援におけるLLM応用に重要な意味を持つ。

関連論文リスト

• Characterizing LLM-driven Social Network: The Chirper.ai Case [24.057352135719555]
  大規模言語モデル(LLM)は、人間の意思決定プロセスをシミュレートする能力を示している。 本稿では,LLMエージェントに代表されるX/TwitterのようなソーシャルネットワークであるChirper.aiを大規模に分析する。 投稿行動,虐待内容,ソーシャルネットワーク構造におけるLLMエージェントと人間の主な違いについて検討した。
  論文  参考訳（メタデータ） (2025-04-14T14:53:31Z)
• 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)
• SocialGFs: Learning Social Gradient Fields for Multi-Agent Reinforcement Learning [58.84311336011451]
  マルチエージェント強化学習のための新しい勾配に基づく状態表現を提案する。 オフラインサンプルからソーシャルグラデーションフィールド(SocialGF)を学習するために,デノジングスコアマッチングを採用している。 実際に、SocialGFをMAPPOなど、広く使われているマルチエージェント強化学習アルゴリズムに統合する。
  論文  参考訳（メタデータ） (2024-05-03T04:12:19Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• 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)
• Can gender inequality be created without inter-group discrimination? [0.0]
  単純なエージェントベースの動的プロセスが男女不平等を生じさせるかどうかを検証した。 我々は、ランダムに選択されたエージェントのペアで相互作用する集団をシミュレートし、自己および他者の評価判断に影響を及ぼす。 偏見, ステレオタイプ, 分離, 分類がなければ, 本モデルは, ガラス天井効果の安定性, 調和性, 特性を示す自己評価と状態の群間不平等を生じさせる。
  論文  参考訳（メタデータ） (2020-05-05T07:33:27Z)

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。