論文の概要: Social World Model for Lifelong Social Intelligence

• arxiv url: http://arxiv.org/abs/2606.21315v1
• Date: Fri, 19 Jun 2026 10:55:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 14:24:33.86749
• Title: Social World Model for Lifelong Social Intelligence
• Title（参考訳）: 生涯ソーシャルインテリジェンスのための社会世界モデル
• Authors: Yu Luo,
• Abstract要約: 社会知性は言語エージェントのコアコンピテンシーである。 現在、2つの方法的痛点が存在する: 社会的相互作用軌跡は、反復可能な学習信号を形成するための統一的な構造的表現を欠いている。 クローズドループ学習フレームワークを構築するために,ソーシャルワールドモデルを提案する。
• 参考スコア（独自算出の注目度）: 5.7991979365088815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social intelligence is a core competency for language agents, yet current research primarily focuses on static capability evaluation rather than how these skills are continuously shaped and accumulated. This gap calls for a shift toward sustainable learning paradigms. Currently, two methodological pain points exist: social interaction trajectories lack unified structured representations to form iterable learning signals, and capability improvement and retention are typically studied in isolation, hindering the assessment of continuous evolution. To bridge this gap, we propose the Social World Model. We decompose social interaction into five dimensions (scene setting, observation, mental state, action, and dialogue) to build a closed-loop learning framework. In this setup, agents collect interaction experiences, convert them into preference signals for model updating, and redeploy the updated policy for continued learning. Additionally, we provide a reusable data synthesis mechanism and a lifelong learning benchmark, transforming social capabilities from an "object of evaluation" into an "object of sustainable training". Validating our framework on the ASCENT-Bench, the interactively trained Qwen2.5-7B model outperforms its baseline across all five core metrics. Notably, it matches the closed-source Gemini 3 Flash in completion rate, exceeds it in pass rate, and achieves zero forgetting across three difficulty levels. Unlike prior works that merely report static comparisons or capability decay, this end-to-end approach provides a trainable, verifiable, and retainable pathway, demonstrating that small open-source models can sustainably acquire competitive social coordination capabilities.
• Abstract（参考訳）: ソーシャルインテリジェンス(Social Intelligence)は、言語エージェントの中核的な能力であるが、現在の研究は主に、これらのスキルが継続的に形成され、蓄積されるかではなく、静的能力の評価に焦点を当てている。 このギャップは、持続可能な学習パラダイムへのシフトを要求する。 現在、社会的相互作用の軌跡には、反復可能な学習信号を形成するための統一的な構造的表現が欠如しており、能力向上と維持は、通常、独立して研究され、継続的な進化の評価を妨げる。 このギャップを埋めるため、社会世界モデルを提案する。 我々は,ソーシャルインタラクションを5次元(シーン設定,観察,精神状態,行動,対話)に分解し,クローズドループ学習フレームワークを構築する。 この設定では、エージェントは相互作用体験を収集し、モデルを更新するための好み信号に変換し、継続的な学習のために更新されたポリシーを再デプロイする。 さらに、再利用可能なデータ合成機構と生涯学習ベンチマークを提供し、「評価対象」から「持続可能なトレーニング対象」に社会能力を変換する。 ASCENT-Benchでフレームワークを検証することで、インタラクティブにトレーニングされたQwen2.5-7Bモデルは、5つのコアメトリクスすべてでベースラインを上回ります。 特に、クローズドソースのGemini 3 Flashをコンプリートレートで比較し、パスレートで上回り、3つの難易度でゼロにします。 静的比較や能力低下を単に報告する以前の研究とは異なり、このエンドツーエンドのアプローチは訓練可能で検証可能で維持可能な経路を提供し、小さなオープンソースモデルは競争力のある社会的調整能力を持続的に獲得できることを示した。

関連論文リスト

• Social-Mamba: Socially-Aware Trajectory Forecasting with State-Space Models [81.44955493339835]
  ソーシャル・マンバ(Social-Mamba)は、社会的相互作用を構造化されたシーケンシャルなプロセスとして再構築する予測アーキテクチャである。 Social-Mambaは、エゴセントリックなグリッド上でエージェントを組織し、社会的三重項分解を導入する。 5つの軌道予測ベンチマークの実験は、Social-Mambaが最先端の精度を達成していることを示している。
  論文  参考訳（メタデータ） (2026-05-14T21:16:01Z)
• SAVOIR: Learning Social Savoir-Faire via Shapley-based Reward Attribution [82.31558282651811]
  複雑な対人相互作用をナビゲートするソーシャルインテリジェンスは、言語エージェントに根本的な課題を提示する。 既存のアプローチでは、言語モデルを直接使用してエピソードレベルの報酬を分配する。 協調ゲーム理論に基づく新しい原理的枠組みであるSAVOIRを提案する。
  論文  参考訳（メタデータ） (2026-04-21T02:08:25Z)
• SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
  Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。 Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。 本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
  論文  参考訳（メタデータ） (2026-03-17T17:58:44Z)
• EduVerse: A User-Defined Multi-Agent Simulation Space for Education Scenario [17.971148824199187]
  EduVerseは,環境,エージェント,セッションのカスタマイズをサポートする,ユーザ定義のマルチエージェントシミュレーション空間である。 EduVerseを中学生の中国語クラスで3つのテキストジャンル、環境、複数のセッションで検証する。
  論文  参考訳（メタデータ） (2025-10-07T07:58:32Z)
• SocialMaze: A Benchmark for Evaluating Social Reasoning in Large Language Models [41.68365456601248]
  社会的推論を評価するために特別に設計された新しいベンチマークであるSocialMazeを紹介する。 SocialMazeは、深い推論、動的なインタラクション、情報の不確実性という3つの主要な課題を体系的に取り入れている。 ソーシャル推論ゲーム、日々のインタラクション、デジタルコミュニティプラットフォームという3つの主要な設定にまたがる6つの多様なタスクを提供する。
  論文  参考訳（メタデータ） (2025-05-29T17:47:36Z)
• Reinforced Interactive Continual Learning via Real-time Noisy Human Feedback [59.768119380109084]
  本稿では,AIモデルがリアルタイムフィードバックから新たなスキルを動的に学習する対話型連続学習パラダイムを提案する。 大規模言語モデル(LLM)を活用した強化型対話型連続学習フレームワークRiCLを提案する。 我々のRiCLアプローチは、最先端のオンライン連続学習とノイズラベル学習の既存の組み合わせを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-05-15T03:22:03Z)
• Neural Networks Remember More: The Power of Parameter Isolation and Combination [3.2430260063115233]
  破滅的な忘れは、事前訓練された言語モデルにとって広範囲にわたる問題である。 この問題を解決するための鍵は、モデルの可塑性と安定性の間のトレードオフを見つけることである。 モデル安定性と塑性のバランスをとるための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-16T02:58:57Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Time Will Change Things: An Empirical Study on Dynamic Language Understanding in Social Media Classification [5.075802830306718]
  我々は、実験的にソーシャルメディアのNLUを動的に研究し、モデルが過去のデータに基づいてトレーニングされ、将来のテストが行われる。 自動エンコーディングと擬似ラベルが協調して、動的性の最良の堅牢性を示すことを示す。
  論文  参考訳（メタデータ） (2022-10-06T12:18:28Z)

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。

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。