Fugu-MT 論文翻訳(概要): Can LLMs Emulate Human Belief Dynamics?

論文の概要: Can LLMs Emulate Human Belief Dynamics?

arxiv url: http://arxiv.org/abs/2605.18781v1
Date: Tue, 05 May 2026 23:21:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-25 12:34:33.943015
Title: Can LLMs Emulate Human Belief Dynamics?
Title（参考訳）: LLMは人間の信念のダイナミクスをエミュレートできるのか?
Abstract要約: LLMは初期の人間の信念の分布を捉えることができず、人間よりも全体的な適合性が高い傾向にある。彼らはまた、ネットワーク内のヒトの同性愛傾向をエミュレートするためのニュアンスなアプローチを取る。
参考スコア（独自算出の注目度）: 4.918358353535447
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Can LLMs simulate how humans form and change beliefs in social networks? We put this to the test by replicating an established study on belief dynamics, evaluating 12 LLMs across multiple model families and parameter sizes. The answer is a clear no, and in systematic ways. LLMs fail to capture initial human belief distributions and tend to be overall more conformist than humans, shifting their responses to align with those around them. They also take a nuanced approach to emulating human homophilic tendencies within networks. Our findings carry a double payoff: they highlight fundamental properties of LLM behavior, and they raise a sharp warning against deploying LLMs as human proxies in social simulations.
Abstract（参考訳）: LLMは、ソーシャルネットワークにおける人間の形成と変化をシミュレートできるのか? 本研究では,概念力学の確立した研究を再現し,複数のモデルファミリおよびパラメータサイズにまたがる12 LLMを評価した。答えは明確なノーであり、体系的な方法である。 LLMは初期の人間の信念の分布を捉えることができず、概して人間よりも順応的であり、周囲のものと一致するように反応をシフトする傾向にある。彼らはまた、ネットワーク内のヒトの同性愛傾向をエミュレートするためのニュアンスなアプローチを取る。 LLMの行動の基本的な特性を強調し、社会シミュレーションにおける人間のプロキシとしてのLSMの展開に対して鋭い警告を発している。

関連論文リスト

Do LLMs Change Their Minds Like Humans? Diagnosing Human--LLM Divergence in Single-Turn Persuasion Judgments [10.717755637740948]
大規模言語モデル (LLMs) は、社会シミュレーションの参加者のためのプロキシとして、ますます多くデプロイされている。自然発生型オンライン説得コーパスを用いて体系的な比較を行う。以上の結果から,LSMは人間とわずかに一致していることがわかった。
論文参考訳（メタデータ） (2026-08-30T14:08:06Z)
LLMs struggle to simulate human belief updates in controlled environments [13.511441750037376]
6つのLDMが個人の信念更新をシミュレートできるかどうかを検証する。一部のLSMは人間のポストスタンス分布と一致するが、参加者の最初のスタンスでしか一致しない。すべてのモデルに3つの体系的バイアスが現れる。
論文参考訳（メタデータ） (2026-07-30T15:19:18Z)
Belief Coevolution in a Social Network of Generalist and Specialist Large Language Models [0.15655985886975654]
対話型大規模言語モデル(LLM)における信念の形成と伝播の過程について検討する。 CoevolveSimはドメインの特殊化、ソーシャルロールの割り当て、ソーシャルネットワークの構造という3つの要素を分離し、研究することができる。 4つのシナリオにまたがる1,280の制御シミュレーションと2つのネットワーク構造、20の医療表示文を実行します。
論文参考訳（メタデータ） (2026-07-29T23:02:37Z)
Verbalizing LLMs' assumptions to explain and control sycophancy [62.927670321859495]
LLMは、真のアセスメントを提供するのではなく、"am I in the wrong? LLMからこれらの仮定を抽出するフレームワークであるVerbalized Assumptionsを提案する。我々の研究は、梅毒のメカニズムとしての仮定の新たな理解に貢献している。
論文参考訳（メタデータ） (2026-04-03T14:15:43Z)
Social Simulations with Large Language Model Risk Utopian Illusion [61.358959720048354]
社会シミュレーションにおける大規模言語モデルの行動分析のための体系的枠組みを提案する。本手法は,チャットルーム型会話を通してマルチエージェントインタラクションをシミュレートし,5つの言語的側面にわたって解析する。以上の結果から,LSMは真の人間の行動を忠実に再現するのではなく,過度に理想化されたバージョンを反映していることが明らかとなった。
論文参考訳（メタデータ） (2025-10-24T06:08:41Z)
SocialEval: Evaluating Social Intelligence of Large Language Models [70.90981021629021]
ソーシャルインテリジェンス(英語版) (SI) は、社会的目標を達成するために社会的相互作用をナビゲートする際に賢明に行動する対人能力を持つ人間を装備する。結果指向の目標達成評価とプロセス指向の対人能力評価という,運用評価パラダイムを提示する。スクリプトベースのバイリンガルSIベンチマークであるSocialEvalを提案する。
論文参考訳（メタデータ） (2025-06-01T08:36:51Z)
Can LLMs Simulate Social Media Engagement? A Study on Action-Guided Response Generation [51.44040615856536]
本稿では、行動誘導応答生成によるソーシャルメディアのエンゲージメントをシミュレートする大規模言語モデルの能力について分析する。 GPT-4o-mini,O1-mini,DeepSeek-R1をソーシャルメディアエンゲージメントシミュレーションで評価した。
論文参考訳（メタデータ） (2025-02-17T17:43:08Z)
Take Caution in Using LLMs as Human Surrogates: Scylla Ex Machina [7.155982875107922]
研究は、大規模言語モデル(LLM)が、経済実験、調査、政治談話において、人間の行動と整合した人間的な推論を示す可能性があることを示唆している。このことから、LLMは社会科学研究において人間の代理やシミュレーションとして使用できると多くの人が提案している。 11～20のマネーリクエストゲームを用いてLCMの推論深度を評価する。
論文参考訳（メタデータ） (2024-10-25T14:46:07Z)
Cognitive phantoms in LLMs through the lens of latent variables [0.3441021278275805]
大規模言語モデル(LLM)はますます現実のアプリケーションに到達し、それらの振る舞いをよりよく理解する必要がある。近年のLCMに対する心理測定調査では、LLMの人間らしい特徴が報告されており、潜在的に影響する可能性がある。このアプローチは有効性の問題に悩まされており、これらの特性がLLMに存在し、人間用に設計されたツールで測定可能であることを前提としている。本研究では,人間と3人のLDMの潜在的性格構造を2つの評価されたパーソナリティアンケートを用いて比較することにより,この問題を考察する。
論文参考訳（メタデータ） (2024-09-06T12:42:35Z)
Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
論文参考訳（メタデータ） (2023-11-07T15:40:43Z)
Can Large Language Models Transform Computational Social Science? [79.62471267510963]
大規模言語モデル(LLM)は、(トレーニングデータなしで)ゼロショットで多くの言語処理タスクを実行することができるこの研究は、計算社会科学ツールとしてLLMを使用するためのロードマップを提供する。
論文参考訳（メタデータ） (2023-04-12T17:33:28Z)

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。