論文の概要: Position: AI Agents Are Not (Yet) a Panacea for Social Simulation
- arxiv url: http://arxiv.org/abs/2603.00113v1
- Date: Thu, 19 Feb 2026 06:35:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.062631
- Title: Position: AI Agents Are Not (Yet) a Panacea for Social Simulation
- Title（参考訳）: AIエージェントは社会シミュレーションのパナセアではない
- Authors: Yiming Li, Dacheng Tao,
- Abstract要約: 大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。
このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
- 参考スコア（独自算出の注目度）: 62.891898598784415
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in large language models (LLMs) have spurred growing interest in using LLM-integrated agents for social simulation, often under the implicit assumption that realistic population dynamics will emerge once role-specified agents are placed in a networked multi-agent setting. This position paper argues that LLM-based agents are not (yet) a panacea for social simulation. We attribute this over-optimism to a systematic mismatch between what current agent pipelines are typically optimized and validated to produce and what simulation-as-science requires. Concretely, role-playing plausibility does not imply faithful human behavioral validity; collective outcomes are frequently mediated by agent-environment co-dynamics rather than agent-agent messaging alone; and results can be dominated by interaction protocols, scheduling, and initial information priors, especially in policy-oriented settings. To make these assumptions explicit and auditable, we propose a unified formulation of AI agent-based social simulation as an environment-involved partially observable Markov game with explicit exposure and scheduling mechanisms and call for further actions.
- Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、LLM統合エージェントを社会シミュレーションに利用することへの関心が高まり、多くの場合、役割特定エージェントがネットワーク化されたマルチエージェント環境に置かれると、現実的な人口動態が出現する、という暗黙の仮定の下にある。
このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
この過度な最適化は、現在のエージェントパイプラインが一般的に最適化され、生産するために検証されるものと、シミュレーション・アズ・サイエンスが必要とするものとの体系的なミスマッチによるものと考えています。
具体的には、ロールプレイングの妥当性は、人間の行動の妥当性を忠実に示さない;集合的な成果はエージェントエージェントではなくエージェント環境のコダイナミクスによって媒介される;その結果は、特にポリシー指向の設定において、インタラクションプロトコル、スケジューリング、初期情報によって支配される。
これらの仮定を明示的かつ監査可能にするため、環境にかかわる部分観測可能なマルコフゲームとしてAIエージェントベースの社会シミュレーションの統一的な定式化を提案し、さらなる行動を求める。
関連論文リスト
- Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。
本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
論文 参考訳（メタデータ） (2025-10-18T06:23:22Z) - A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。
我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。
コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文 参考訳（メタデータ） (2025-10-13T04:07:01Z) - GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。
我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。
我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文 参考訳（メタデータ） (2024-10-06T05:02:23Z) - Interventionally Consistent Surrogates for Agent-based Simulators [8.129944388402839]
エージェントベースのシミュレータは、システムの構成要素エージェントの相互作用を直接モデル化することで、複雑なインテリジェントシステムの粒度の表現を提供する。
それらの高忠実性の性質は、超局所的な政策評価と、何のシナリオかのテストを可能にするが、大きな計算コストに結びついている。
我々はエージェントベースシミュレータのための干渉的一貫した代理モデルを学習するためのフレームワークを開発する。
論文 参考訳（メタデータ） (2023-12-18T12:55:40Z) - ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in
Multi-Agent Simulations [110.72725220033983]
Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。
ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。
特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
論文 参考訳（メタデータ） (2021-06-10T04:32:20Z)
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。