論文の概要: Belief-Sim: Towards Belief-Driven Simulation of Demographic Misinformation Susceptibility

• arxiv url: http://arxiv.org/abs/2603.03585v1
• Date: Tue, 03 Mar 2026 23:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.123636
• Title: Belief-Sim: Towards Belief-Driven Simulation of Demographic Misinformation Susceptibility
• Title（参考訳）: Belief-Sim:Demographic missinformation Susceptibilityの信念駆動シミュレーションに向けて
• Authors: Angana Borah, Zohaib Khan, Rada Mihalcea, Verónica Pérez-Rosas,
• Abstract要約: 本稿では,人口統計学的信念プロファイルを構成するシミュレーションフレームワークであるBeliefSimを紹介する。 誤情報感受性をシミュレーションする上で,信条は高い先行性を示し,精度は最大92%であった。
• 参考スコア（独自算出の注目度）: 34.54206691108375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Misinformation is a growing societal threat, and susceptibility to misinformative claims varies across demographic groups due to differences in underlying beliefs. As Large Language Models (LLMs) are increasingly used to simulate human behaviors, we investigate whether they can simulate demographic misinformation susceptibility, treating beliefs as a primary driving factor. We introduce BeliefSim, a simulation framework that constructs demographic belief profiles using psychology-informed taxonomies and survey priors. We study prompt-based conditioning and post-training adaptation, and conduct a multi-fold evaluation using: (i) susceptibility accuracy and (ii) counterfactual demographic sensitivity. Across both datasets and modeling strategies, we show that beliefs provide a strong prior for simulating misinformation susceptibility, with accuracy up to 92%.
• Abstract（参考訳）: 誤報は社会的脅威の増大であり、根底にある信念の違いにより、人口集団によって誤情報的主張への感受性が変化する。 大規模言語モデル (LLM) は人間の行動のシミュレートにますます利用されているため、人口動態の誤認をシミュレートできるかどうかを考察し、信念を第一の要因として扱う。 本稿では,心理学的インフォームド・タコノミーと先行調査を用いて,人口統計学的信念プロファイルを構築するシミュレーションフレームワークであるBeliefSimを紹介する。 我々は,プロンプトベース条件付けとポストトレーニング適応について検討し,複数回評価を行った。 一 感受性の正確さ及び (二)反事実的人口統計感度。 データセットとモデリング戦略の両面で、信念は、誤情報の感受性を92%の精度でシミュレートする上で、強力な事前情報を提供することを示す。

関連論文リスト

• SimBench: Benchmarking the Ability of Large Language Models to Simulate Human Behaviors [58.87134689752605]
  我々は,LLMシミュレーションの堅牢で再現可能な科学のための,最初の大規模標準ベンチマークであるSimBenchを紹介する。 現在、最高のLLMでさえシミュレーション能力が限られ(スコア: 40.80/100)、性能はモデルサイズと対数的にスケールする。 シミュレーション能力は、深い知識集約的推論と最も強く相関していることを示す。
  論文  参考訳（メタデータ） (2025-10-20T13:14:38Z)
• Effectiveness of Large Language Models in Simulating Regional Psychological Structures: An Empirical Examination of Personality and Subjective Well-being [0.0]
  本研究では, LLMが人口統計情報に基づいて, 文化的根拠を持つ心理的パターンをシミュレートできるかどうかを検討する。 模擬参加者は、外転や開放性が低下し、同意性や神経症が向上し、常に幸福度が低下した。
  論文  参考訳（メタデータ） (2025-09-29T09:12:18Z)
• Beyond Demographics: Enhancing Cultural Value Survey Simulation with Multi-Stage Personality-Driven Cognitive Reasoning [41.911358122200056]
  このシステムは、人格研究のためのMBTI心理学的枠組みにおける型力学理論にインスパイアされている。 World Values Surveyの実験によると、MARKは既存のベースラインを10%精度で上回っている。
  論文  参考訳（メタデータ） (2025-08-25T10:04:23Z)
• Assessing the Reliability of LLMs Annotations in the Context of Demographic Bias and Model Explanation [5.907945985868999]
  本研究では,アノテータの人口統計学的特徴がテキストコンテンツと比較してラベル決定に与える影響について検討した。 一般化線形混合モデルを用いて、この差分率を定量化し、観測された分散のごく一部(8%)が人口統計因子であることを示した。 次に、ジェネレーティブAI(GenAI)モデルの信頼性をアノテータとして評価し、人口統計学的パーソナによる指導が人間の判断との整合性を改善するかどうかを具体的に評価する。
  論文  参考訳（メタデータ） (2025-07-17T14:00:13Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• A fairness assessment of mobility-based COVID-19 case prediction models [0.0]
  予測モデルのトレーニングに使用されるモビリティデータのバイアスが、特定の人口集団に対して不当に精度の低い予測に繋がる可能性があるという仮説を検証した。 特に、モデルは大きく、高度に教育され、富裕な若者、都市、非黒人が支配する郡を好む傾向にある。
  論文  参考訳（メタデータ） (2022-10-08T03:43:51Z)

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。