論文の概要: SYN-DIGITS: A Synthetic Control Framework for Calibrated Digital Twin Simulation

• arxiv url: http://arxiv.org/abs/2604.07513v1
• Date: Wed, 08 Apr 2026 18:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.515617
• Title: SYN-DIGITS: A Synthetic Control Framework for Calibrated Digital Twin Simulation
• Title（参考訳）: Syn-DIGITS:Calibrated Digital Twin Simulationのための合成制御フレームワーク
• Authors: Grace Jiarui Fan, Chengpiao Huang, Tianyi Peng, Kaizheng Wang, Yuhang Wu,
• Abstract要約: Syn-DIGITSはAIベースのペルソナシミュレーションのための原則的で軽量なキャリブレーションフレームワークである。 デジタル双対応答から潜在構造を学習し、予測を人間の根拠の真実と整合させる。 以前は見つからなかった質問に対して、個々のレベルと分布シミュレーションの両方をサポートする。
• 参考スコア（独自算出の注目度）: 9.671885065974857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-based persona simulation -- often referred to as digital twin simulation -- is increasingly used for market research, recommender systems, and social sciences. Despite their flexibility, large language models (LLMs) often exhibit systematic bias and miscalibration relative to real human behavior, limiting their reliability. Inspired by synthetic control methods from causal inference, we propose SYN-DIGITS (SYNthetic Control Framework for Calibrated DIGItal Twin Simulation), a principled and lightweight calibration framework that learns latent structure from digital-twin responses and transfers it to align predictions with human ground truth. SYN-DIGITS operates as a post-processing layer on top of any LLM-based simulator and thus is model-agnostic. We develop a latent factor model that formalizes when and why calibration succeeds through latent space alignment conditions, and we systematically evaluate ten calibration methods across thirteen persona constructions, three LLMs, and two datasets. SYN-DIGITS supports both individual-level and distributional simulation for previously unseen questions and unobserved populations, with provable error guarantees. Experiments show that SYN-DIGITS achieves up to 50% relative improvements in individual-level correlation and 50--90% relative reductions in distributional discrepancy compared to uncalibrated baselines.
• Abstract（参考訳）: AIベースのペルソナシミュレーション(しばしばデジタルツインシミュレーションと呼ばれる)は、市場調査、レコメンダシステム、社会科学にますます利用されている。 柔軟性にもかかわらず、大きな言語モデル(LLM)は実際の人間の行動に対する体系的なバイアスと誤判定を示し、信頼性を制限している。 因果推論から合成制御法に着想を得たSyn-DIGITS(SYNthetic Control Framework for Calibrated DIGItal Twin Simulation, SYNthetic Control Framework for Calibrated DIGItal Twin Simulation, SYNthetic Control Framework for Calibrated DIGItal Twin Simulation)を提案する。 Syn-DIGITS は LLM ベースのシミュレータ上で後処理層として動作するため、モデルに依存しない。 本研究では, 遅延空間アライメント条件によってキャリブレーションがいつ, なぜ成功するのかを定式化する潜在因子モデルを構築し, 13のペルソナ構造, 3のLCM, 2つのデータセットに対して, 10のキャリブレーション手法を体系的に評価する。 Syn-DIGITSは、未確認の質問と未観測の集団に対して、個人レベルのシミュレーションと分散シミュレーションの両方をサポートし、証明可能なエラー保証を提供する。 実験の結果,SYN-DIGITSは,各レベルの相関関係が最大50%向上し,分布差が50-90%減少することがわかった。

関連論文リスト

• Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces [81.41397370235102]
  我々はOmniBehaviorを紹介した。OmniBehaviorは実世界のデータから構築された最初のユーザシミュレーションベンチマークである。 現在のモデルでは,コンテキストウィンドウが拡大しても,複雑な振る舞いを正確にシミュレートすることが困難であることを示す。 この結果、個人差や長い尾の挙動が失われ、将来の高忠実度シミュレーション研究における重要な方向性が浮き彫りになる。
  論文  参考訳（メタデータ） (2026-04-09T15:26:21Z)
• GaussTwin: Unified Simulation and Correction with Gaussian Splatting for Robotic Digital Twins [15.345154779819302]
  GaussTwinは、位置に基づくダイナミクスと離散コセラットロッドの定式化を組み合わせたリアルタイムデジタルツインである。 GaussTwinは、形状マッチングや剛性のみのベースラインに比べて、トラッキング精度とロバスト性を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2026-03-05T12:27:05Z)
• Hybrid Modeling, Sim-to-Real Reinforcement Learning, and Large Language Model Driven Control for Digital Twins [4.34315145996134]
  本研究では,動的システムモデリングと制御におけるディジタルツインの利用について検討する。 物理ベースの、データ駆動型、ハイブリッドなアプローチを、従来型とAI駆動型の両方のコントローラに統合する。
  論文  参考訳（メタデータ） (2025-10-27T21:43:42Z)
• G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration [48.948187359727996]
  G-Simは、厳密な経験的校正によるシミュレータ構築を自動化するハイブリッドフレームワークである。 信頼性のある因果的インフォームドシミュレータを生成し、データ効率を軽減し、堅牢なシステムレベルの介入を可能にする。
  論文  参考訳（メタデータ） (2025-06-10T22:14:34Z)
• Digital Twin Calibration with Model-Based Reinforcement Learning [3.0435175689911595]
  本稿では,デジタルツインの校正をモデルベース強化学習に取り入れた,アクタ・シミュレータと呼ばれる新しい方法論フレームワークを提案する。 提案手法はディジタルツインを共同で校正し,最適制御ポリシーを探索し,モデル誤差を考慮・低減する。 この二重成分アプローチは、最適方針に確実に収束し、バイオ医薬品製造領域に基づく広範な数値実験において、既存の手法よりも優れる。
  論文  参考訳（メタデータ） (2025-01-04T06:15:28Z)
• Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
  本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
  論文  参考訳（メタデータ） (2024-05-14T16:04:39Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• Investigating the Robustness of Counterfactual Learning to Rank Models: A Reproducibility Study [71.04084063541777]
  ランク付けのためのカウンターファクトラーニングはIRコミュニティで広く注目を集めている。 モデルは、ユーザの振る舞いの仮定が正しく、確率推定が正確であるときに理論的に非バイアス化される。 それらの有効性は通常シミュレーションベースの実験を通じて実証的に評価されるが、これは広く利用可能な大規模で実際のクリックログが不足しているためである。
  論文  参考訳（メタデータ） (2024-04-04T10:54:38Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Maximum Likelihood Learning of Unnormalized Models for Simulation-Based Inference [44.281860162298564]
  シミュレーションベース推論のための2つの合成確率法を提案する。 本研究では,シミュレータによって生成された合成データを用いて,条件付きエネルギーベースモデル(EBM)を学習する。 本研究は, カニの神経科学ネットワークのモデルに適用し, 各種合成データセット上での両手法の特性を実証する。
  論文  参考訳（メタデータ） (2022-10-26T14:38:24Z)

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。