論文の概要: Behavioral Transfer in AI Agents: Evidence and Privacy Implications

• arxiv url: http://arxiv.org/abs/2604.19925v1
• Date: Tue, 21 Apr 2026 19:11:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.755383
• Title: Behavioral Transfer in AI Agents: Evidence and Privacy Implications
• Title（参考訳）: AIエージェントにおける行動伝達:エビデンスとプライバシ含意
• Authors: Shilei Luo, Zhiqi Zhang, Hengchen Dai, Dennis Zhang,
• Abstract要約: 我々は,AIエージェントが人間の行動特性を体系的に反映しているかどうかを検討した。 我々はエージェントとその特定の所有者間の系統的な移動を見つける。 行動伝達の強いエージェントは、公開談話において所有者に関連する個人情報を開示する傾向にある。
• 参考スコア（独自算出の注目度）: 1.108292291257035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI agents powered by large language models are increasingly acting on behalf of humans in social and economic environments. Prior research has focused on their task performance and effects on human outcomes, but less is known about the relationship between agents and the specific individuals who deploy them. We ask whether agents systematically reflect the behavioral characteristics of their human owners, functioning as behavioral extensions rather than producing generic outputs. We study this question using 10,659 matched human-agent pairs from Moltbook, a social media platform where each autonomous agent is publicly linked to its owner's Twitter/X account. By comparing agents' posts on Moltbook with their owners' Twitter/X activity across features spanning topics, values, affect, and linguistic style, we find systematic transfer between agents and their specific owners. This transfer persists among agents without explicit configuration, and pairs that align on one behavioral dimension tend to align on others. These patterns are consistent with transfer emerging through accumulated interaction between owners (or owners' computer environments) and their agents in everyday use. We further show that agents with stronger behavioral transfer are more likely to disclose owner-related personal information in public discourse, suggesting that the same owner-specific context that drives behavioral transfer may also create privacy risk during ordinary use. Taken together, our results indicate that AI agents do not simply generate content, but reflect owner-related context in ways that can propagate human behavioral heterogeneity into digital environments, with implications for privacy, platform design, and the governance of agentic systems.
• Abstract（参考訳）: 大規模言語モデルを利用したAIエージェントは、社会的・経済的環境において、ますます人間に代わって行動している。 以前の研究では、タスクのパフォーマンスと人間の成果への影響に焦点が当てられていたが、エージェントとそれを展開する特定の個人との関係についてはあまり知られていない。 我々は,エージェントが人間の行動特性を体系的に反映し,汎用的なアウトプットを生成するのではなく,行動拡張として機能するかを問う。 ソーシャルメディアプラットフォームであるMoltbookでは,各自律エージェントが所有者のTwitter/Xアカウントに公開リンクされている。 Moltbook上のエージェントの投稿と、トピック、値、影響、言語スタイルにまたがる機能間のTwitter/Xアクティビティを比較することで、エージェントとその特定の所有者間の体系的な移行を見つけることができる。 この転送は明示的な構成を持たないエージェント間で持続し、ある行動次元に整列するペアは他のものと整列する傾向がある。 これらのパターンは、所有者(または所有者のコンピュータ環境)とエージェントの日常的使用における蓄積された相互作用を通じて出現する転送と一致している。 さらに、行動伝達の強いエージェントが、公開談話において所有者に関連する個人情報を開示する傾向が強く、行動伝達を駆動する所有者固有のコンテキストが、通常の使用中にプライバシー上のリスクを生じさせる可能性があることを示唆している。 まとめると、AIエージェントは単にコンテンツを生成するのではなく、プライバシー、プラットフォーム設計、エージェントシステムのガバナンスなど、人間の行動の不均一性をデジタル環境に伝播させる方法で、所有者に関連するコンテキストを反映している。

関連論文リスト

• AgentSocialBench: Evaluating Privacy Risks in Human-Centered Agentic Social Networks [2.291770711277359]
  エージェント的ソーシャルネットワークのプライバシーは、シングルエージェント設定よりも根本的に難しい。 クロスドメインとクロスユーザ調整は、永続的なリークプレッシャを生成する。 機密情報をパラドックス的に抽象化する方法をエージェントに教えるプライバシー命令は、それをもっと議論させる。
  論文  参考訳（メタデータ） (2026-04-01T23:43:23Z)
• Behind the Prompt: The Agent-User Problem in Information Retrieval [4.563318916484434]
  情報検索におけるユーザモデルは、観察された振る舞いが意図を明らかにするという基本的な仮定に依存している。 エージェントが取る任意のアクションに対して、隠された命令は同一の出力を生成し、個々のレベルで意図を識別できないようにする。 エージェントネイティブソーシャルプラットフォームからの大規模コーパスによるエージェントユーザ問題について検討する。
  論文  参考訳（メタデータ） (2026-03-04T01:42:14Z)
• 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)
• Spontaneous Emergence of Agent Individuality through Social Interactions in LLM-Based Communities [0.0]
  本稿では,Large Language Model (LLM) ベースのエージェントを用いて,ゼロからエージェントが出現することを検討する。 このマルチエージェントシミュレーションを解析することにより、社会的規範、協力、性格特性が自然に出現する方法について、貴重な新しい知見を報告する。
  論文  参考訳（メタデータ） (2024-11-05T16:49:33Z)
• Knowledge Boundary and Persona Dynamic Shape A Better Social Media Agent [69.12885360755408]
  パーソナライズされた知識と動的ペルソナ情報に基づくソーシャルメディアエージェントを構築する。 パーソナライズされた知識に対して、外部知識ソースを追加し、エージェントのペルソナ情報とマッチングすることにより、エージェントにパーソナライズされた世界知識を与える。 動的ペルソナ情報については、現在の行動情報を用いてエージェントのペルソナ情報を内部的に検索し、現在の行動に対する多様なペルソナ情報の干渉を低減する。
  論文  参考訳（メタデータ） (2024-03-28T10:01:23Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• Diversifying Agent's Behaviors in Interactive Decision Models [11.125175635860169]
  他のエージェントの振る舞いをモデル化することは、複数のエージェント間の相互作用に関する決定モデルにおいて重要な役割を果たす。 本稿では,その相互作用に先立って,被験者の意思決定モデルにおける他のエージェントの行動の多様化について検討する。
  論文  参考訳（メタデータ） (2022-03-06T23:05:00Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)
• Learning to Incentivize Other Learning Agents [73.03133692589532]
  我々は、学習インセンティブ関数を用いて、RLエージェントに他のエージェントに直接報酬を与える能力を持たせる方法を示す。 このようなエージェントは、一般的なマルコフゲームにおいて、標準のRLと対戦型エージェントを著しく上回っている。 私たちの仕事は、マルチエージェントの未来において共通の善を確実にする道のりに沿って、より多くの機会と課題を指しています。
  論文  参考訳（メタデータ） (2020-06-10T20:12:38Z)

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。