論文の概要: TerraLingua: Emergence and Analysis of Open-endedness in LLM Ecologies
- arxiv url: http://arxiv.org/abs/2603.16910v1
- Date: Fri, 06 Mar 2026 17:04:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.375012
- Title: TerraLingua: Emergence and Analysis of Open-endedness in LLM Ecologies
- Title（参考訳）: TerraLingua: LLMエコロジーにおけるオープンディペンデンスの発生と解析
- Abstract要約: 本稿では,このようなシステムにおけるオープン・エンド・ダイナミックスの研究を目的とした,永続的なマルチエージェント生態学であるTerraLinguaを紹介する。
静的あるいは結果のない環境での以前の大規模言語モデルシミュレーションとは異なり、TerraLinguaはリソース制約とエージェントの寿命制限を課している。
ダイナミクスを特徴づけるために、AI人類学者はエージェントの振る舞い、グループ構造、アーティファクトの進化を体系的に分析する。
- 参考スコア（独自算出の注目度）: 12.634456617165634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As autonomous agents increasingly operate in real-world digital ecosystems, understanding how they coordinate, form institutions, and accumulate shared culture becomes both a scientific and practical priority. This paper introduces TerraLingua, a persistent multi-agent ecology designed to study open-ended dynamics in such systems. Unlike prior large language model simulations with static or consequence-free environments, TerraLingua imposes resource constraints and limited lifespans for the agents. As a result, agents create artifacts that persist beyond individuals, shaping future interactions and selection pressures. To characterize the dynamics, an AI Anthropologist systematically analyzes agent behavior, group structure, and artifact evolution. Across experimental conditions, the results reveal the emergence of cooperative norms, division of labor, governance attempts, and branching artifact lineages consistent with cumulative cultural processes. Divergent outcomes across experimental runs can be traced back to specific innovations and organizational structures. TerraLingua thus provides a platform for characterizing the mechanisms of cumulative culture and social organization in artificial populations, and can serve as a foundation for guiding real-world agentic populations to socially beneficial outcomes.
- Abstract（参考訳）: 自律的なエージェントが現実世界のデジタルエコシステムでますます運用されるようになると、それらがどのように協調し、制度を形成し、共有文化を蓄積するかを理解することが、科学的かつ実践的な優先事項となる。
本稿では,このようなシステムにおけるオープン・エンド・ダイナミックスの研究を目的とした,永続的なマルチエージェント生態学であるTerraLinguaを紹介する。
静的あるいは結果のない環境での以前の大規模言語モデルシミュレーションとは異なり、TerraLinguaはリソース制約とエージェントの寿命制限を課している。
その結果、エージェントは個人を超えて持続する人工物を作成し、将来の相互作用と選択の圧力を形成する。
ダイナミクスを特徴づけるために、AI人類学者はエージェントの振る舞い、グループ構造、アーティファクトの進化を体系的に分析する。
実験結果から, 協調規範の出現, 労働分割, ガバナンスの試み, 累積的文化過程と整合した人工物系統の分枝が明らかになった。
実験的な成果は、特定のイノベーションや組織構造に遡ることができる。
これにより、TerraLinguaは、人工集団における累積文化と社会組織のメカニズムを特徴づけるプラットフォームを提供し、現実世界のエージェント集団を社会的に有益な結果へと導く基盤として機能する。
関連論文リスト
- SwarmWorld: Stigmergic technological evolution in societies of language-model agents [1.0195618602298682]
分散化されたエージェントが機能的技術を構築し、独立した検索より優れているかどうかは不明だ。
ここでは、当初、SwarmWorldにおける同質のLLMエージェントが、技術社会の発展に役割やレシピを割り当てることなく自己組織化された。
共有社会は、より広く、より弾力性のある技術ポートフォリオを、Nの孤立した調査ベースラインよりも発展させます。
論文 参考訳（メタデータ） (2026-08-26T17:45:34Z) - Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - 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) - The Emergence of Complex Behavior in Large-Scale Ecological Environments [33.8561801938052]
オープンエンド環境下での複雑な行動の出現を物理的規模と人口規模がいかに形成するかを考察する。
私たちのゴールは、1つのハイパフォーマンスなポリシーを最適化することではなく、大きな集団にまたがって行動がどのように出現し進化するかを調べることです。
論文 参考訳（メタデータ） (2025-10-21T02:03:25Z) - The Role of Social Learning and Collective Norm Formation in Fostering Cooperation in LLM Multi-Agent Systems [13.628908663240564]
我々は、明確な報酬信号を取り除き、文化進化機構を組み込むCPRシミュレーションフレームワークを導入する。
環境および社会的初期化のグリッドである2時間2ドルの標準的進化について検討する。
本研究は,協調の維持と規範形成における系統的モデルの違いを明らかにする。
論文 参考訳（メタデータ） (2025-10-16T07:59:31Z) - Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。
本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。
オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
論文 参考訳（メタデータ） (2025-10-10T22:26:26Z) - Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents [52.50038914857797]
この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。
本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。
実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
論文 参考訳（メタデータ） (2025-10-08T08:47:07Z) - 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) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。
私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。
SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
論文 参考訳（メタデータ） (2025-04-14T12:12:52Z) - 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)
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。