論文の概要: Synonymix: Unified Group Personas for Generative Simulations
- arxiv url: http://arxiv.org/abs/2603.28066v1
- Date: Mon, 30 Mar 2026 06:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 23:18:45.251321
- Title: Synonymix: Unified Group Personas for Generative Simulations
- Title（参考訳）: Synonymix: 生成シミュレーションのための統一グループペルソナ
- Authors: Huanxing Chen, Aditesh Kumar,
- Abstract要約: マルチライフストーリーのペルソナから"ユニグラフ"を構築するパイプラインであるSynonymixを提案する。
人口統計基準を超える行動信号の保存を実証可能なプライバシー保証で実証する。
- 参考スコア（独自算出の注目度）: 0.40719854602160227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative agent simulations operate at two scales: individual personas for character interaction, and population models for collective behavior analysis and intervention testing. We propose a third scale: meso-level simulation - interaction with group-level representations that retain grounding in rich individual experience. To enable this, we present Synonymix, a pipeline that constructs a "unigraph" from multiple life story personas via graph-based abstraction and merging, producing a queryable collective representation that can be explored for sensemaking or sampled for synthetic persona generation. Evaluating synthetic agents on General Social Survey items, we demonstrate behavioral signal preservation beyond demographic baselines (p<0.001, r=0.59) with demonstrable privacy guarantee (max source contribution <13%). We invite discussion on interaction modalities enabled by meso-level simulations, and whether "high-fidelity" personas can ever capture the texture of lived experience.
- Abstract（参考訳）: 生成エージェントシミュレーションは2つのスケールで動作し、個々人格と集団行動分析と介入テストのための集団モデルである。
メソレベルシミュレーション(meso-level Simulation) - 豊かな個人経験の基盤を保ったグループレベルの表現との相互作用。
これを実現するために,複数のライフストーリーのペルソナからグラフベースの抽象化とマージによって"ユニグラフ"を構築するパイプラインであるSynonymixを提案する。
一般社会調査項目を総合的に評価し,人口統計基準を超える行動信号保存(p<0.001, r=0.59)を実証可能なプライバシ保証(マックスソースコントリビューション<13%)で示す。
メソレベルのシミュレーションによって実現された相互作用のモダリティと、生きた体験のテクスチャを「高忠実」なペルソナが捉えることができるかどうかを議論する。
関連論文リスト
- Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。
我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。
特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
論文 参考訳（メタデータ） (2025-09-12T10:43:47Z) - 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) - From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。
大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。
シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
論文 参考訳（メタデータ） (2024-12-04T18:56:37Z) - 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)
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。