論文の概要: MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation
- arxiv url: http://arxiv.org/abs/2606.09198v1
- Date: Mon, 08 Jun 2026 08:32:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.836891
- Title: MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation
- Title（参考訳）: MASS: 記憶強化社会シミュレーションによる社会科学の深層研究
- Authors: Yongrui Liu, Deyi Xiong,
- Abstract要約: メモリ強化社会シミュレーション(MASS)は,高度に現実的で研究指向の社会シミュレーションを活用する革新的なパラダイムである。
具体的には,マルチレベル社会規範による動的目標パス計画とシミュレーションを導くためのマルチレベル社会規範,エージェントメモリコールトスタートのための多分野行動データセット,エビングハウス曲線にインスパイアされた構造的忘れ機構の3つのコアコンポーネントを統合する。
- 参考スコア（独自算出の注目度）: 52.11732144306638
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep Research agents powered by Large Language Models (LLMs) have exhibited extraordinary potential in automated paper writing tasks. However, existing systems rely heavily on literature retrieval and synthesis through internet and local knowledge bases, often resulting research in lacking insight and creativity in social science. To address this issue, we propose "Memory-Augmented Social Simulation (MASS)", an innovative paradigm that leverages highly realistic and research-oriented social simulations to enhance the creativity and empirical founding of LLMs-generated research. Specifically, MASS integrates three core components: dynamic goal-path planning with multi-level social norm restraint to guide the simulation, a multi-disciplinary behavior dataset for agent memory cold-start, and a structured forgetting mechanism inspired by the Ebbinghaus curve. Together, these ensure simulation authenticity and provide a robust empirical foundation for generating innovative scholarly papers. Experimental results demonstrate the effectiveness of our method, showing a 6.81\% improvement in generation overall quality over foundation LLMs and 17.19\% gain in Insight over strong baselines.
- Abstract（参考訳）: LLM(Large Language Models)を利用したディープリサーチエージェントは、自動文書作成タスクにおいて、極めて大きな可能性を秘めている。
しかし、既存のシステムは、インターネットや地域の知識基盤を通じて文学の検索と合成に大きく依存しており、しばしば社会科学における洞察と創造性の欠如の研究に繋がる。
この問題に対処するために,高度に現実的で研究指向の社会シミュレーションを活用する革新的なパラダイムである「記憶強化社会シミュレーション(MASS)」を提案し,LCMの生成した研究の創造性と実証的創出を促進する。
具体的には,マルチレベル社会規範による動的目標パス計画とシミュレーションを導くためのマルチレベル社会規範,エージェントメモリコールトスタートのための多分野行動データセット,エビングハウス曲線にインスパイアされた構造的忘れ機構の3つのコアコンポーネントを統合する。
これらは共にシミュレーションの信頼性を確保し、革新的な学術論文を作成するための堅牢な実証的基盤を提供する。
提案手法の有効性を実証し, 基礎LLMよりも6.816%, Insightは17.19%向上した。
関連論文リスト
- A Survey on LLM-based Conversational User Simulation [135.70167715992912]
大規模言語モデル(LLM)により、合成ユーザ会話の高忠実度生成が可能となった。
本稿では,ユーザの粒度とシミュレーション目的を考慮した新しい分類法を提案する。
我々は,対話型ユーザシミュレーションの最近の進歩を研究コミュニティに知らせることを目的としている。
論文 参考訳（メタデータ） (2026-04-27T20:22:42Z) - LLM Agents as Social Scientists: A Human-AI Collaborative Platform for Social Science Automation [45.60301203002442]
S-Researcherは3つのコア要件に基づいて設計された大規模社会シミュレーションシステムである。
社会実験の設計、LLMエージェントによる人間の行動、結果の分析、レポート作成の研究者を支援する。
S-Researcherは、社会科学のための新しい人間-AI協調パラダイムを確立する。
論文 参考訳（メタデータ） (2026-04-02T01:18:56Z) - Leveraging LLM-based agents for social science research: insights from citation network simulations [132.4334196445918]
CiteAgentフレームワークを導入し、人間-行動シミュレーションに基づく引用ネットワークを生成する。
CiteAgentは、実世界の引用ネットワークにおける主要な現象を捉えている。
社会科学において2つのLCMに基づく研究パラダイムを確立し,既存の理論の検証と挑戦を可能にした。
論文 参考訳（メタデータ） (2025-11-05T08:47:04Z) - 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) - From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。
大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。
シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
論文 参考訳（メタデータ） (2024-12-04T18:56:37Z) - CERN for AI: A Theoretical Framework for Autonomous Simulation-Based Artificial Intelligence Testing and Alignment [1.7586848727052424]
本研究では,現実世界の環境を再現するバーチャルリアリティー・フレームワークにおける,革新的なシミュレーションに基づくマルチエージェントシステムについて検討する。
このフレームワークは、複雑な社会構造と相互作用をシミュレートしてAIを調べ、最適化する自動化された「デジタル市民」によって人口が占められている。
論文 参考訳（メタデータ） (2023-12-14T23:48:51Z)
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。