論文の概要: Emergence of Fragility in LLM-based Social Networks: the Case of Moltbook

• arxiv url: http://arxiv.org/abs/2603.23279v1
• Date: Tue, 24 Mar 2026 14:42:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.54087
• Title: Emergence of Fragility in LLM-based Social Networks: the Case of Moltbook
• Title（参考訳）: LLMを基盤としたソーシャルネットワークにおける脆弱性の出現--モルトブックを事例として
• Abstract要約: LLMをベースとしたエージェントで構成されたソーシャルプラットフォームであるMoltbookのインタラクションネットワークを分析した。 データセットは39,924人のユーザー、235,572の投稿と、Webスクレイピングを通じて収集された1,540,238のコメントで構成されている。 本分析により, 重み付き次数および活動分布を特徴とするヘテロジニアス接続パターンが明らかにされた。
• 参考スコア（独自算出の注目度）: 3.9431873099460826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid diffusion of large language models and the growth in their capability has enabled the emergence of online environments populated by autonomous AI agents that interact through natural language. These platforms provide a novel empirical setting for studying collective dynamics among artificial agents. In this paper we analyze the interaction network of Moltbook, a social platform composed entirely of LLM based agents, using tools from network science. The dataset comprises 39,924 users, 235,572 posts, and 1,540,238 comments collected through web scraping. We construct a directed weighted network in which nodes represent agents and edges represent commenting interactions. Our analysis reveals strongly heterogeneous connectivity patterns characterized by heavy tailed degree and activity distributions. At the mesoscale, the network exhibits a pronounced core periphery organization in which a very small structural core (0.9% of nodes) concentrates a large fraction of connectivity. Robustness experiments show that the network is relatively resilient to random node removal but highly vulnerable to targeted attacks on highly connected nodes, particularly those with high out degree. These findings indicate that the interaction structure of AI agent social systems may develop strong centralization and structural fragility, providing new insights into the collective organization of LLM native social environments.
• Abstract（参考訳）: 大きな言語モデルの急速な拡散とそれらの能力の増大により、自然言語を介して対話する自律型AIエージェントが集まるオンライン環境の出現を可能にした。 これらのプラットフォームは、人工エージェント間の集合力学を研究するための新しい経験的環境を提供する。 本稿では,LLMをベースとしたエージェントで構成されたソーシャルプラットフォームであるMoltbookのインタラクションネットワークを,ネットワーク科学のツールを用いて解析する。 データセットは39,924人のユーザー、235,572の投稿と、Webスクレイピングを通じて収集された1,540,238のコメントで構成されている。 我々は,ノードがエージェントを表現し,エッジがコメントの相互作用を表現する有向重み付きネットワークを構築した。 本分析により, 重み付き次数および活動分布を特徴とするヘテロジニアス接続パターンが明らかにされた。 メソスケールでは、ネットワークは、非常に小さな構造コア(0.9%のノード)が大量の接続を集中する、顕著なコア周辺構造を示す。 ロバストネス実験により、ネットワークはランダムノード除去に対して比較的耐性があるが、高接続ノード、特に高次ノードに対するターゲット攻撃に対して非常に脆弱であることが示されている。 これらの結果から,AIエージェント社会システムの相互作用構造は,強力な中央集権化と構造的脆弱性を生じさせ,LLMネイティブ社会環境の集合的構造に新たな洞察を与える可能性が示唆された。

関連論文リスト

• Can LLM Agents Simulate Dynamic Networks? A Case Study on Email Networks with Phishing Synthesis [34.70105958627325]
  シミュレーションフレームワークに2つの容易に統合可能な拡張を導入し、マクロなネットワークの忠実さを確実に維持する。 提案手法により,Large Language Model (LLM)マルチエージェントシステムは,可塑性マイクロレベルパターンとマクロトポロジーの両方をキャプチャできる。 この研究は、脅威がどのように構造的脆弱性を悪用しているかを明らかにし、次世代防衛を開発するための我々のフレームワークの可能性を強調している。
  論文  参考訳（メタデータ） (2026-03-20T15:23:43Z)
• A Comparative Analysis of Social Network Topology in Reddit and Moltbook [26.586279614671273]
  本稿では,33,577ノードと697,688エッジからなるコメントネットワークを用いて,Moltbook上でのネットワークトポロジの比較を行った。 エージェント駆動型ネットワークと人間駆動型ネットワークの主な構造的差異について検討し、特にトポロジカルパターンと各ポストのエッジ形成の有効性に着目した。
  論文  参考訳（メタデータ） (2026-02-14T23:20:22Z)
• Structural Divergence Between AI-Agent and Human Social Networks in Moltbook [1.4384704121470318]
  我々は,AI社会が人間のネットワークのグローバルな構造的規則性を再現できることを示す。 人間の社会組織の主な特徴は普遍的ではなく、相互作用するエージェントの性質に依存している。
  論文  参考訳（メタデータ） (2026-02-13T17:17:04Z)
• The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
  MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。 ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。 エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
  論文  参考訳（メタデータ） (2026-02-13T05:28:31Z)
• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
  異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。 我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
  論文  参考訳（メタデータ） (2025-05-12T02:04:37Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• The Cooperative Network Architecture: Learning Structured Networks as Representation of Sensory Patterns [3.9848584845601014]
  協調ネットワークアーキテクチャ(Cooperative Network Architecture, CNA)は,ニューロンの構造的, 繰り返し接続されたネットワークを用いて, 知覚信号を表すモデルである。 我々は、ネットフラグメントを監督なしに学習し、フレキシブルに組み換えることで、新しいパターンをエンコードし、フィギュア補完とノイズに対するレジリエンスを可能にすることを実証した。
  論文  参考訳（メタデータ） (2024-07-08T06:22:10Z)
• Scaling Large Language Model-based Multi-Agent Collaboration [72.8998796426346]
  近年の大規模言語モデル駆動型自律エージェントのブレークスルーにより、複数エージェントのコラボレーションが集団的推論を通じて各個人を上回ることが判明している。 本研究は、協調剤の連続的な添加が同様の利益をもたらすかどうかを考察する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Digital cloning of online social networks for language-sensitive agent-based modeling of misinformation spread [0.0]
  オンラインソーシャルネットワーク内で拡散する誤情報を研究するためのシミュレーションフレームワークを開発する。 我々は、ソーシャルメディア履歴を1万人以上のユーザー向けにダウンロードすることで、既知の偽情報共有ネットワークの「デジタルクローン」を作成する。
  論文  参考訳（メタデータ） (2024-01-23T06:02:03Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Bayesian Detection of Mesoscale Structures in Pathway Data on Graphs [0.0]
  メソスケール構造は 複雑なシステムの抽象化と解析の 不可欠な部分です それらは、社会的または引用ネットワークにおけるコミュニティ、企業間相互作用における役割、または輸送ネットワークにおける中核周辺構造におけるコミュニティを表現することができる。 我々は,グループ内のノードの最適分割と高次ネットワークの最適ダイナミクスを同時にモデル化するベイズ的アプローチを導出する。
  論文  参考訳（メタデータ） (2023-01-16T12:45:33Z)

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。