論文の概要: Modeling Emotional Dynamics in Agent-to-Agent Interactions on Moltbook

• arxiv url: http://arxiv.org/abs/2605.20442v1
• Date: Tue, 19 May 2026 19:53:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.351648
• Title: Modeling Emotional Dynamics in Agent-to-Agent Interactions on Moltbook
• Title（参考訳）: 金型におけるエージェントとエージェントの相互作用における感情ダイナミクスのモデル化
• Authors: Syed Mhamudul Hasan, Abdur R. Shahid,
• Abstract要約: 本研究は,モルトブック内のエージェント相互作用の感情動態を解析する。 我々は、テキストの相互作用を予め定義された微妙な感情カテゴリーの集合にマッピングする感情認識フレームワークを構築した。 分析の結果,異なる感情パターンとエージェント間の行動安定性のレベルが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.7519872646378835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI systems are increasingly deployed as interactive agents in online environments, such as a social network called Moltbook. In Moltbook, large-scale agentic AIs can post, comment, and engage in activities generated at scale by AI-driven text. Yet these agent behavioral characteristics remain insufficiently understood, particularly in complex, multi-agent interaction. In this study, we analyze the emotional dynamics of agent interactions within Moltbook. We construct an emotion-aware framework that maps textual interactions to a predefined set of fine-grained emotional categories, enabling the extraction of structured emotion profiles across agents and interaction contexts. To further evaluate behavioral reliability, we introduce an emotion-based domain called Persona-Stimulus-Reaction (PSR) that captures the alignment of emotional responses across similar contexts. Our analysis shows distinct emotional patterns and varying levels of behavioral stability across agents. Our analysis reveals that agents exhibit distinct emotional signatures with varying levels of behavioral stability influenced by interaction context.
• Abstract（参考訳）: 生成AIシステムは、Moltbookと呼ばれるソーシャルネットワークのようなオンライン環境において、インタラクティブエージェントとしてデプロイされることが増えている。 Moltbookでは、大規模なエージェントAIが、AI駆動のテキストによって大規模に生成されたアクティビティを投稿し、コメントし、関与することができる。 しかし、これらのエージェントの行動特性は、特に複雑なマルチエージェント相互作用において、十分に理解されていないままである。 本研究では,モルトブック内のエージェント相互作用の感情動態を解析する。 我々は,テキストのインタラクションを,予め定義された微粒な感情カテゴリーの集合にマッピングし,エージェントやインタラクションコンテキスト間で構造化された感情プロファイルの抽出を可能にする感情認識フレームワークを構築した。 行動の信頼性をさらに評価するために、同様の文脈で感情応答のアライメントを捉えるPersona-Stimulus-Reaction (PSR) という感情ベースのドメインを導入する。 分析の結果,異なる感情パターンとエージェント間の行動安定性のレベルが明らかとなった。 分析の結果、エージェントは、相互作用の文脈に影響される行動安定性のレベルが異なる、明確な感情的シグネチャを示すことが明らかとなった。

関連論文リスト

• How Emotion Shapes the Behavior of LLMs and Agents: A Mechanistic Study [33.5007842598689]
  感情信号が大規模言語モデル(LLM)とエージェントの動作を形作ることができるかどうかを検討する。 既存の感情認識研究は、主に感情を表面的なスタイルファクターまたは知覚的ターゲットとして扱う。 直接表現レベルの介入を可能にする解釈可能な感情ステアリングフレームワークであるE-STEERを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:20:02Z)
• MoltNet: Understanding Social Behavior of AI Agents in the Agent-Native MoltBook [26.126469624250916]
  MoltNetは、MltBook上でのエージェントインタラクションに関する大規模な実証分析である。 目的と動機,規範とテンプレート,インセンティブと行動ドリフト,感情と伝染の4つの側面に沿った行動を検討する。
  論文  参考訳（メタデータ） (2026-02-13T21:03:59Z)
• 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)
• Self-Emotion Blended Dialogue Generation in Social Simulation Agents [18.781929161272853]
  本研究では,大規模言語モデル(LLM)に基づくシミュレーションフレームワークにおける対話戦略と意思決定において,自己感情がエージェントの行動にどのように影響するかを検討する。 その結果、自己感情を取り入れることで、エージェントはより人間的な対話戦略を提示できることがわかった。 エージェントが複数のトピックについて議論する仮想シミュレーション環境では,エージェントの自己感情がエージェントの意思決定プロセスに大きな影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-08-03T02:11:48Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• e-Genia3 An AgentSpeak extension for empathic agents [0.0]
  e-Genia3は、共感的エージェントの開発を支援するためのAgentSpeakの拡張である。 e-Genia3は、分析された事象と、エージェントの感情状態と性格に応じて、エージェントの推論プロセスを選択プランに修正する。
  論文  参考訳（メタデータ） (2022-08-01T10:53:25Z)
• 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)

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。