論文の概要: Attention: What Prevents Young Adults from Speaking Up Against Cyberbullying in an LLM-Powered Social Media Simulation

• arxiv url: http://arxiv.org/abs/2605.03287v1
• Date: Tue, 05 May 2026 02:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.72233
• Title: Attention: What Prevents Young Adults from Speaking Up Against Cyberbullying in an LLM-Powered Social Media Simulation
• Title（参考訳）: LLMによるソーシャルメディアシミュレーションで若者がサイバーいじめに逆らうのを防ぐもの
• Authors: Qian Yang, Jessie Jia, Elaine Tsai, Amy Li, Nader Akoury, Natalie N. Bazarova,
• Abstract要約: Upstanders' Practicumは大規模言語モデル(LLM)を利用したマルチエージェントソーシャルメディアシミュレーションである このようなシステムは、若者(YA)の傍観者がサイバーいじめに対して公に話すのにどの程度役立つのか? 大規模言語モデル(LLM)を利用したマルチAIエージェントソーシャルメディアシミュレーションであるUpstanders' Practicumを開発した。
• 参考スコア（独自算出の注目度）: 2.862052633542661
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interactive, multi-agent social simulation systems have shown promise for helping users practice navigating various complex social situations across domains. This paper asks: To what extent can such systems help young adult (YA) bystanders speak up publicly against cyberbullying, a task often thwarted by complex, multi-party social dynamics? We created Upstanders' Practicum, a multi-AI-agent social media simulation powered by Large Language Models (LLMs), as a probe and observed 34 YAs freely practicing public bystander intervention across three iteratively refined versions. We found that practicing public bystander intervention in the simulation was helpful, but after participants made three attention shifts: (1) from inattention to paying true attention, (2) from self-focus ("I don't usually do this'') to attending to those directly involved, and (3) from resolving the private conflict between bully and victim ("maybe I could set up the meeting between them'') to addressing the broader audience online ("public comment is about norm-setting"). Only after these shifts did practice in the simulation start to help: participants then saw a reason to speak up publicly and, through continued practice, crafted tactful public messages without explicit instruction. These findings illuminate new design and research opportunities for bystander education beyond social skill instruction, namely, designing for true attention, for fostering a vocal upstander identity, and for seeing bystander intervention as public norm setting. In addition, we open-source Truman Agents (cornell-design-aigroup.github.io/TrumanAgents/), the first-of-its-kind multi-LLM-agent social media simulation platform that Upstanders' Practicum builds upon, for future cyberbullying and social media research.
• Abstract（参考訳）: インタラクティブでマルチエージェントな社会シミュレーションシステムは、ドメイン間の複雑な社会状況のナビゲートをユーザーが行うのを助けることを約束している。 このようなシステムは、若者(YA)の傍観者がサイバーいじめに対して公に話すのにどの程度役立つのか? 我々は,大規模言語モデル(LLM)を用いたマルチAIエージェントソーシャルメディアシミュレーションであるUpstanders' Practicumを作成し,34のYAが,反復的に改良された3つのバージョンにまたがって,公共の傍観者の介入を自由に行うことを観察した。 シミュレーションにおける一般の傍観者介入の実践は有用であったが,(1)注意を払っていないこと,(2)自尊心から直接関係者への参加,(3)いじめと被害者の私的対立を解決すること(おそらくは,彼らとの会合をセットアップすること)から,より広範な聴衆に対処すること(公開コメントは,規範設定に関するものである)の3つの点に注意を向けた。 参加者はその後、公に話す理由を見い出し、継続的な実践を通じて、明示的な指示なしに、実用的な公開メッセージを作成しました。 これらの知見は,社会的スキル教育を超えて,声優のアイデンティティを育成し,傍観者の介入を公的な規範設定とみなすための,新たな設計と研究の機会を提示するものである。 さらに、我々は、UpstandersのPracticumが構築する、先駆的なマルチLLMエージェントソーシャルメディアシミュレーションプラットフォームであるTruman Agents(cornell-design-aigroup.github.io/TrumanAgents/)を、将来のサイバーいじめやソーシャルメディア研究のためにオープンソース化した。

関連論文リスト

• 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)
• When Nobody Around Is Real: Exploring Public Opinions and User Experiences On the Multi-Agent AI Social Platform [5.133676030875285]
  大規模言語モデルによるマルチエージェント型ソーシャルプラットフォームの新しいジャンルが出現した。 Social.AIは、人間の振る舞いをエミュレートする多数のAIエージェントをデプロイし、前例のないボット中心のソーシャルネットワークを生み出している。 一部のユーザー期待は満たされているが、AIが支配する社会環境は、異なる問題を提起している。
  論文  参考訳（メタデータ） (2026-01-26T08:58:51Z)
• The Hunger Game Debate: On the Emergence of Over-Competition in Multi-Agent Systems [90.96738882568224]
  本稿では,超高圧下のエージェントが信頼できない有害な行動を示すマルチエージェント論争における過剰競争について検討する。 この現象を研究するために,ゼロサム競争領域下での議論をシミュレートする新しい実験フレームワークであるHATEを提案する。
  論文  参考訳（メタデータ） (2025-09-30T11:44:47Z)
• TrendSim: Simulating Trending Topics in Social Media Under Poisoning Attacks with LLM-based Multi-agent System [90.09422823129961]
  本研究では, LLMをベースとしたマルチエージェントシステムであるTrendSimを提案する。 具体的には、タイムアウェアなインタラクション機構、集中型メッセージ配信、対話型システムを含むトレンドトピックのシミュレーション環境を作成する。 ソーシャルメディア上でユーザをシミュレートするLLMベースのヒューマンライクエージェントを開発し,プロトタイプベースの攻撃者による毒殺攻撃の再現を提案する。
  論文  参考訳（メタデータ） (2024-12-14T12:04:49Z)
• Multi-Agents are Social Groups: Investigating Social Influence of Multiple Agents in Human-Agent Interactions [22.997945675889465]
  我々は,AIエージェントの集団が,ユーザに対して同意を求める社会的プレッシャーを生じさせるかどうかを検討する。 その結果、複数のエージェントと会話することで、参加者が感じた社会的プレッシャーが増すことがわかった。 本研究は, 単一エージェントプラットフォームに対するマルチエージェントシステムの潜在的利点が, 意見変化を引き起こす可能性を示唆している。
  論文  参考訳（メタデータ） (2024-11-07T10:00:46Z)
• I Want to Break Free! Persuasion and Anti-Social Behavior of LLMs in Multi-Agent Settings with Social Hierarchy [13.535032308774696]
  シミュレーションされた階層型社会環境におけるエージェント間の相互作用を詳細に分析する。 我々は,保護者と囚人エージェントの説得行動と反社会的行為を異なる目的で分析する。
  論文  参考訳（メタデータ） (2024-10-09T17:45:47Z)
• LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay [55.12945794835791]
  Avalon をテストベッドとして使用し,システムプロンプトを用いてゲームプレイにおける LLM エージェントの誘導を行う。 本稿では,Avalonに適した新しいフレームワークを提案し,効率的なコミュニケーションと対話を容易にするマルチエージェントシステムを提案する。 その結果、適応エージェントの作成におけるフレームワークの有効性を確認し、動的社会的相互作用をナビゲートするLLMベースのエージェントの可能性を提案する。
  論文  参考訳（メタデータ） (2023-10-23T14:35:26Z)
• Towards Socially Intelligent Agents with Mental State Transition and Human Utility [97.01430011496576]
  対話エージェントに精神状態と実用性モデルを取り入れることを提案する。 ハイブリッド精神状態は、対話とイベント観察の両方から情報を抽出する。 ユーティリティモデルは、クラウドソースのソーシャルコモンセンスデータセットから人間の好みを学習するランキングモデルである。
  論文  参考訳（メタデータ） (2021-03-12T00:06:51Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)

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。