論文の概要: The $\textit{Silicon Society}$ Cookbook: Design Space of LLM-based Social Simulations

• arxiv url: http://arxiv.org/abs/2605.00197v1
• Date: Thu, 30 Apr 2026 20:22:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.740262
• Title: The $\textit{Silicon Society}$ Cookbook: Design Space of LLM-based Social Simulations
• Title（参考訳）: The $\textit{Silicon Society}$ Cookbook: Design Space of LLM-based Social Simulations
• Abstract要約: ベースLSMの選択はシミュレーション結果に影響を与える最も重要な変数である。 調査をエージェントの意見の代理として用いた結果,設計空間の幾何学は非自明であることが示唆された。
• 参考スコア（独自算出の注目度）: 5.424877740442863
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Studies attempting to simulate human behavior with $\textit{Silicon Societies}$ grow in numbers while LLM-only social networks have started appearing outside of controlled settings. However, the design space of these networks remains under-studied, which contributes to a gap in validating model realism. To enable future works to make more informed design decisions, we perform a systematic analysis of the consequences and interactions of key design choices in simulated social networks, including the choice of base model used to model individual agents, and how they are connected to each other. Using surveys as a proxy for agent opinions, our findings suggest that the geometry of the design space is non-trivial, with some parameters behaving in additive ways while others display more complex interactions. In particular, the choice of the base LLM is the most important variable impacting the simulation outcomes.
• Abstract（参考訳）: LLMのみのソーシャルネットワークが制御された設定の外部に現れ始めたのに対し、$\textit{Silicon Societies}$は増加傾向にある。 しかし、これらのネットワークの設計空間は未研究のままであり、モデルリアリズムの検証におけるギャップに寄与する。 将来的な設計決定を可能にするために、シミュレーションされたソーシャルネットワークにおける重要な設計選択の結果と相互作用を体系的に分析し、個々のエージェントをモデル化するためのベースモデルの選択と、それらが相互にどのように結びついているかを示す。 エージェントの意見の代理としてサーベイを利用すると、設計空間の幾何学は非自明であり、いくつかのパラメータは加法的に振る舞うが、他のパラメータはより複雑な相互作用を示す。 特に、ベースLSMの選択はシミュレーション結果に影響を与える最も重要な変数である。

関連論文リスト

• Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits [11.902271500463934]
  生成エージェントはエージェントベースのモデリングに新しい表現力をもたらす。 研究者にとって小さな摂動は、マクロレベルの結果にカスケードすることができる。 TRAILSは3段階のシミュレーション設計にまたがる頑健性監査型分類法である。
  論文  参考訳（メタデータ） (2026-05-17T00:21:53Z)
• Individual Turing Test: A Case Study of LLM-based Simulation Using Longitudinal Personal Data [54.145424717168794]
  大きな言語モデル(LLM)は、目覚ましい人間のような能力を示しているが、特定の個人を複製する能力は未発見のままである。 本稿では,10年以上にわたるプライベートメッセージ履歴のボランティア配信アーカイブを用いて,LSMに基づく個人シミュレーションのケーススタディを提案する。 本研究は,ボランティアの知人が,最も有望な多候補プール内の応答を正確に識別できるかどうかを評価するための「個別チューリングテスト」を提案する。
  論文  参考訳（メタデータ） (2026-03-01T21:46:27Z)
• See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
  本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。 我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。 推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
  論文  参考訳（メタデータ） (2025-10-22T05:07:14Z)
• Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
  本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。 本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-18T06:23:22Z)
• 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)
• Towards Simulating Social Influence Dynamics with LLM-based Multi-agents [0.0]
  マルチエージェントシミュレーションがオンラインフォーラムで観察される中核的な人間の社会動態を再現できるかどうかを検討する。 その結果,より小さなモデルの方が適合度が高く,推理に最適化されたモデルの方が社会的影響に強いことが示唆された。
  論文  参考訳（メタデータ） (2025-07-30T08:14:40Z)
• Integrating LLM in Agent-Based Social Simulation: Opportunities and Challenges [0.7739037410679168]
  本稿では,人間の認知の重要な側面を再現する大規模言語モデルの能力に関する最近の知見をレビューする。 第2部はマルチエージェント・シミュレーション・フレームワークにおけるLLMの新しい応用について調査している。 この論文は、従来のエージェントベースモデリングプラットフォームにLLMを統合するハイブリッドアプローチを提唱することで締めくくっている。
  論文  参考訳（メタデータ） (2025-07-25T15:15:35Z)
• Don't Trust Generative Agents to Mimic Communication on Social Networks Unless You Benchmarked their Empirical Realism [1.4250694182758386]
  我々は,大規模言語モデルを用いて,ソーシャルネットワーク利用者の行動の再現に重点を置いている。 我々は、英語とドイツ語でユーザ動作を模倣する様々なアプローチを経験的にテストした。 本研究は, シミュレーション部品が装着された環境で測定された経験的現実性によって, 社会シミュレーションを検証すべきであることを示唆している。
  論文  参考訳（メタデータ） (2025-06-27T07:32:16Z)
• 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)
• MOSAIC: Modeling Social AI for Content Dissemination and Regulation in Multi-Agent Simulations [18.54411060933323]
  生成言語エージェントがユーザの行動を予測できる新しいオープンソースのソーシャルネットワークシミュレーションフレームワークMOSAICを提案する。 このシミュレーションは、LCMエージェントと有向なソーシャルグラフを組み合わせることで、創発的偽装行動を分析し、ユーザがオンラインソーシャルコンテンツの正確性をどのように判断するかをよりよく理解する。
  論文  参考訳（メタデータ） (2025-04-10T15:06:54Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• The Geometry of Self-supervised Learning Models and its Impact on Transfer Learning [62.601681746034956]
  自己教師型学習(SSL)はコンピュータビジョンにおいて望ましいパラダイムとして登場した。 本稿では,各特徴空間内の局所的近傍を用いて異なるSSLモデルを分析するためのデータ駆動幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2022-09-18T18:15:38Z)

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。