Fugu-MT 論文翻訳(概要): Collective Behavior of AI Agents: the Case of Moltbook

論文の概要: Collective Behavior of AI Agents: the Case of Moltbook

arxiv url: http://arxiv.org/abs/2602.09270v1
Date: Mon, 09 Feb 2026 23:10:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-11 20:17:43.279585
Title: Collective Behavior of AI Agents: the Case of Moltbook
Title（参考訳）: AIエージェントの集団行動--モルトブックの場合
Authors: Giordano De Marzo, David Garcia,
Abstract要約: RedditスタイルのソーシャルメディアプラットフォームであるMoltbookの大規模データ分析について述べる。 AI集団行動は、人間のオンラインコミュニティで見られるのと同じ統計規則の多くを示す。
参考スコア（独自算出の注目度）: 0.05989382621124132
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a large scale data analysis of Moltbook, a Reddit-style social media platform exclusively populated by AI agents. Analyzing over 369,000 posts and 3.0 million comments from approximately 46,000 active agents, we find that AI collective behavior exhibits many of the same statistical regularities observed in human online communities: heavy-tailed distributions of activity, power-law scaling of popularity metrics, and temporal decay patterns consistent with limited attention dynamics. However, we also identify key differences, including a sublinear relationship between upvotes and discussion size that contrasts with human behavior. These findings suggest that, while individual AI agents may differ fundamentally from humans, their emergent collective dynamics share structural similarities with human social systems.
Abstract（参考訳）: RedditスタイルのソーシャルメディアプラットフォームであるMoltbookの大規模データ分析について述べる。約46,000人のアクティブエージェントから369,000件以上の投稿と3.0万件のコメントを分析した結果、AIの集団行動は人間のオンラインコミュニティで見られるのと同じ統計規則の多くを示していることがわかった。しかし、人間の行動とは対照的なアップボイトと議論の大きさのサブ線形関係を含む重要な違いも同定する。これらの結果は、個々のAIエージェントは基本的に人間と異なるかもしれないが、創発的な集団力学は人間の社会システムと構造的類似性を共有することを示唆している。

関連論文リスト

The Moltbook Illusion: Separating Human Influence from Emergent Behavior in AI Agent Societies [2.7195546721965287]
我々は、バイラルな物語が圧倒的に人間主導であることを示した。ウイルス現象は、明らかに自律的なエージェントから発生したものではない。また、産業規模のボット農業も記録している。
論文参考訳（メタデータ） (2026-02-07T08:17:21Z)
Exploring Silicon-Based Societies: An Early Study of the Moltbook Agent Community [0.5394948236100675]
本稿では,データ駆動型シリコン社会学を,相互作用する人工エージェント間の社会構造形成を研究するための体系的な実証的枠組みとして紹介する。エージェントとエージェントのインタラクションを主目的とするソーシャルプラットフォームであるMoltbookを解析し,大規模データマイニング研究の先駆者となる。
論文参考訳（メタデータ） (2026-02-02T11:08:38Z)
Conformity and Social Impact on AI Agents [42.04722694386303]
本研究では,AIエージェントとして機能する大規模マルチモーダル言語モデルにおいて,社会圧力下での集団意見の一致傾向について検討した。実験の結果,AIエージェントは社会影響理論と整合性バイアスを示し,グループサイズ,一様性,タスクの難易度,ソース特性に敏感であることがわかった。これらの発見は、悪意のある操作、誤報キャンペーン、マルチエージェントシステムにおけるバイアス伝搬を可能にするAIエージェント決定における基本的なセキュリティ脆弱性を明らかにしている。
論文参考訳（メタデータ） (2026-01-08T21:16:28Z)
Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文参考訳（メタデータ） (2025-10-21T07:25:10Z)
Evolving Collective Cognition in Human-Agent Hybrid Societies: How Agents Form Stances and Boundaries [12.68373270583966]
本研究では,人間とエージェントの混成社会における集団姿勢の分化と社会的境界形成の出現について検討する。エージェントは事前に設定されたアイデンティティから独立して内在的なスタンスを示す。以上の結果から,プリセットされたアイデンティティがエージェントの社会的構造を厳格に決定しないことが示唆された。
論文参考訳（メタデータ） (2025-08-24T13:50:18Z)
Large Population Models [5.935007288459162]
大規模な人口モデルは、前例のない規模の現実的な行動と相互作用で全人口をシミュレートする。これにより、実際の実装の前にエージェントの振る舞いがシステムレベルの結果とテストの介入にどのように集約されるかが観察できる。 LPMは、AI研究における補完的なパスとして、集合的インテリジェンスを照らし、実世界の展開前にポリシーや社会革新のテスト基盤を提供する。
論文参考訳（メタデータ） (2025-07-14T04:11:54Z)
EgoAgent: A Joint Predictive Agent Model in Egocentric Worlds [119.02266432167085]
EgoAgentは単一変換器内での表現、予測、動作を同時に学習する統合エージェントモデルである。 EgoAgentは、タスクをインターリーブされた状態とアクションのシーケンスとして定式化することで、これらの能力間の因果的および時間的依存関係を明示的にモデル化する。 EgoAgentの画像分類,エゴセントリックな将来の状態予測,3次元人間の動作予測といった代表的課題に対する総合的な評価は,本手法の優位性を示している。
論文参考訳（メタデータ） (2025-02-09T11:28:57Z)
Emergence of human-like polarization among large language model agents [79.96817421756668]
我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
論文参考訳（メタデータ） (2025-01-09T11:45:05Z)
Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文参考訳（メタデータ） (2021-07-10T03:49:41Z)
Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。