論文の概要: Collective cooperation without individual fidelity in LLM agents

• arxiv url: http://arxiv.org/abs/2606.30454v1
• Date: Mon, 29 Jun 2026 15:22:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.301767
• Title: Collective cooperation without individual fidelity in LLM agents
• Title（参考訳）: LLM剤の個々の忠実度を伴わない集団協調
• Authors: Henrique Ferraz de Arruda, Carlos Gracia Lázaro, Alberto Aleta, Yamir Moreno,
• Abstract要約: 大規模言語モデル (LLMs) は、社会システムのシミュレーションのエージェントとしてますます使われている。 彼らの行動がいつ人間の意思決定の忠実な代行であると解釈されるのかは、いまだ不明である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are increasingly used as agents in simulations of social systems, yet it remains unclear when their behavior can be interpreted as a faithful proxy for human decision-making. Here we test LLM agents against a direct empirical benchmark: a large-scale networked Prisoner's Dilemma experiment with human participants. Using the same interaction protocol, payoff structure, and network topologies, we compare nine open-weight LLMs with the human data. The selected model reproduces several macro-level features of cooperation dynamics, including the early decline and later stabilization of cooperation. This aggregate agreement, however, does not extend uniformly to finer levels of behavior. LLM populations underestimate individual-level heterogeneity and generate conditional cooperation patterns that differ from those observed in humans. Adding a fraction of random agents improves some aspects of micro-level agreement, but does not remove the mismatch in decision rules. These findings reveal a macro--micro dissociation in LLM-based social agents: collective outcomes can appear human-like even when the underlying behavioral distributions and mechanisms are not. They suggest that validating LLM agents as human surrogates requires comparisons across aggregate dynamics, individual heterogeneity, and context-dependent decision rules, rather than outcome-level agreement alone.
• Abstract（参考訳）: 大規模言語モデル (LLM) は, 社会システムのシミュレーションにおけるエージェントとしての利用が増えているが, 人間の意思決定の忠実なプロキシとして, それらの行動がいつ解釈されるのかは定かではない。 ここでは、LLMエージェントを、人間の参加者による大規模ネットワーク化刑務所のジレンマ実験という、直接的な経験的ベンチマークと比較する。 同じインタラクションプロトコル、ペイオフ構造、ネットワークトポロジを用いて、9つのオープンウェイトLLMと人間のデータを比較する。 選択されたモデルは、初期の減少やその後の協力の安定化など、いくつかのマクロレベルの協力力学の特徴を再現する。 しかし、この集合的な合意は、行動のより細かいレベルまで均一に拡張しない。 LLMの個体群は、個体レベルの不均一性を過小評価し、ヒトで観察されるものと異なる条件付き協調パターンを生成する。 少数のランダムエージェントを追加することで、マイクロレベルの合意のいくつかの側面が改善されるが、決定ルールのミスマッチを排除しない。 これらの結果から, LLMを基盤とした社会エージェントにおけるマクロ・ミクロな解離が明らかとなった。 彼らは、人間の代理としてLLMエージェントを検証するには、結果レベルの合意のみではなく、集合力学、個々の不均一性、文脈に依存した決定規則の比較が必要であることを示唆している。

関連論文リスト

• Group Selection Promotes Prosocial Prompts in Populations of LLM Agents [1.7004466773233589]
  グループ選択は,大規模言語モデル(LLM)エージェントの集団における協調を促進することができるかを検討する。 グループ選択では、ハイパフォーマンスなグループからのプロンプトが送信され、それによって社会性の促進と協力の安定化が促進される。 予備的な発見は、選択メカニズムを知らせると、GPT-5.4は先制的に第1世代の寄付を徐々に調整することを示している。
  論文  参考訳（メタデータ） (2026-06-22T13:47:19Z)
• Stop Drawing Scientific Claims from LLM Social Simulations Without Robustness Audits [11.902271500463934]
  生成エージェントはエージェントベースのモデリングに新しい表現力をもたらす。 研究者にとって小さな摂動は、マクロレベルの結果にカスケードすることができる。 TRAILSは3段階のシミュレーション設計にまたがる頑健性監査型分類法である。
  論文  参考訳（メタデータ） (2026-05-17T00:21:53Z)
• Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
  大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。 このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
  論文  参考訳（メタデータ） (2026-02-19T06:35:07Z)
• Can Finetuing LLMs on Small Human Samples Increase Heterogeneity, Alignment, and Belief-Action Coherence? [9.310571879281186]
  大規模言語モデル(LLM)は、調査および実験研究における人間の参加者の代用として機能する。 LLMは、しばしば実際の人間の行動と一致せず、限られた多様性を示し、少数派のサブグループに対する体系的なミスアライメントを示し、グループ内でのばらつきが不十分であり、言明された信念と行動の相違を示す。 本研究では、パイロットスタディから得られるような、人間の調査データのごく一部を微調整することで、これらの問題を緩和し、現実的なシミュレーション結果が得られるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-11-26T09:50:42Z)
• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Static network structure cannot stabilize cooperation among Large Language Model agents [6.868298200380496]
  大規模言語モデル(LLM)は、人間の社会的行動のモデル化にますます利用されている。 本研究の目的は,LLMとヒトの協調行動における並列性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-11-15T15:52:15Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• The Machine Psychology of Cooperation: Can GPT models operationalise prompts for altruism, cooperation, competitiveness and selfishness in economic games? [0.0]
  GPT-3.5大言語モデル(LLM)を用いて,協調的,競争的,利他的,利己的行動の自然言語記述を操作可能とした。 被験者と実験心理学研究で用いられるのと同様のプロトコルを用いて,課題環境を記述するためのプロンプトを用いた。 この結果から,LLM が様々な協調姿勢の自然言語記述を適切な作業行動の記述にある程度翻訳できることが示唆された。
  論文  参考訳（メタデータ） (2023-05-13T17:23:16Z)

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。