Fugu-MT 論文翻訳(概要): LLM-Driven Personalities for Decision Making in Emergency Simulations

論文の概要: LLM-Driven Personalities for Decision Making in Emergency Simulations

arxiv url: http://arxiv.org/abs/2606.31038v1
Date: Tue, 30 Jun 2026 02:15:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-01 18:27:19.041622
Title: LLM-Driven Personalities for Decision Making in Emergency Simulations
Title（参考訳）: 緊急時シミュレーションにおけるLCMによる意思決定の特質
Abstract要約: シミュレーションされた避難シナリオ内の仮想人間における意思決定を促進するために,大規模言語モデルを用いた場合について検討する。我々のゴールは、言語に基づくプロンプトを通して表現される性格が、個人の行動と集団シミュレーション結果の両方にどのように影響するかを評価することである。
参考スコア（独自算出の注目度）: 1.2248975590229072
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For virtual humans to appear believable, they must exhibit agency and spatial awareness while interacting with their environment in ways that reflect competence and intelligence. At the core of these capabilities lies effective decision-making, which strongly shapes agent behavior. With the rapid advancement of artificial intelligence, Large Language Models (LLMs) have increasingly been explored as a mechanism to support such decision-making processes. In this work, we investigate the use of LLMs to drive decision-making in virtual humans within a simulated evacuation scenario, incorporating OCEAN personality traits into agent representations. Our goal is to evaluate how personality, expressed through language-based prompts, influences both individual behaviors and collective simulation outcomes. Our results demonstrate that LLM-driven personality profiles significantly impact agents' decisions, leading to distinct behavioral patterns across different traits. These findings suggest that heterogeneous crowds composed of LLM-guided agents can enhance the realism and variability of simulated environments, offering a flexible alternative to traditional rule-based approaches.
Abstract（参考訳）: 仮想人間が信頼できるように見えるためには、能力と知性を反映した方法で環境と相互作用しながら、エージェンシーと空間的意識を示す必要がある。これらの能力の中核は効果的な意思決定であり、エージェントの振る舞いを強く形作る。人工知能の急速な進歩に伴い、大規模言語モデル(LLM)は、意思決定プロセスを支援するメカニズムとして、ますます研究されている。本研究では,OCEANの性格特性をエージェント表現に組み込んだ仮想避難シナリオにおいて,LLMを用いた仮想人間における意思決定の促進について検討する。我々のゴールは、言語に基づくプロンプトを通して表現される性格が、個人の行動と集団シミュレーション結果の両方にどのように影響するかを評価することである。以上の結果から, LLMによる人格プロファイルがエージェントの判断に大きく影響し, 特徴によって異なる行動パターンが生じることが示唆された。これらの結果から, LLM誘導エージェントによる異種群集は, シミュレーション環境の現実性と変動性を高め, 従来のルールベースのアプローチに代わる柔軟な代替手段を提供する可能性が示唆された。

関連論文リスト

Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation [9.34696493928592]
本稿では,欲求生成と客観的管理を取り入れた感情認知フレームワークを構築する。 LLMベースのエージェントの完全な意思決定プロセスをモデル化し、状態進化、欲求生成、客観的最適化、意思決定、行動実行を含む。実験の結果,我々のフレームワークが支配するエージェントは,感情状態と一致した行動を示すだけでなく,他のエージェントに対する比較評価においても,より優れた生態学的妥当性を示し,人間の行動パターンをより密に近似した決定結果を生成することがわかった。
論文参考訳（メタデータ） (2025-10-15T06:33:11Z)
IROTE: Human-like Traits Elicitation of Large Language Model via In-Context Self-Reflective Optimization [66.6349183886101]
IROTEは,安定かつ伝達可能な特性抽出のための新しいインコンテキスト手法である。 IROTEが生成する1つの自己反射は、様々な下流タスクにまたがる目標特性の安定な偽造を LLM が引き起こすことを示す。
論文参考訳（メタデータ） (2025-08-12T08:04:28Z)
Comparing Exploration-Exploitation Strategies of LLMs and Humans: Insights from Standard Multi-armed Bandit Experiments [5.1382713576243955]
大規模言語モデル(LLM)は、シーケンシャルな意思決定設定で人間の振る舞いをシミュレートしたり、自動化したりするために、ますます使われている。我々は、不確実性の下での動的意思決定の基本的な側面である、探査・探索(E&E)トレードオフに焦点を当てる。 LLMにおける思考を可能にすることは、ランダムな探索と指向的な探索の混合によって特徴付けられる、より人間的な行動へと行動を変える。
論文参考訳（メタデータ） (2025-05-15T02:09:18Z)
SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。 SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
論文参考訳（メタデータ） (2025-04-14T12:12:52Z)
On the Modeling Capabilities of Large Language Models for Sequential Decision Making [52.128546842746246]
大規模な事前訓練されたモデルでは、推論や計画タスクのパフォーマンスがますます向上している。我々は、直接的または間接的に、意思決定ポリシーを作成する能力を評価する。未知の力学を持つ環境において、合成データを用いた微調整LDMが報酬モデリング能力を大幅に向上させる方法について検討する。
論文参考訳（メタデータ） (2024-10-08T03:12:57Z)
Exploring the Personality Traits of LLMs through Latent Features Steering [12.142248881876355]
本研究では, 文化的規範や環境ストレス要因などの要因が, 大規模言語モデル(LLM)内でどのように性格特性を形作るかを検討する。本研究では,モデル内の要因に対応する潜在特徴を抽出し,ステアリングすることで,モデルの振る舞いを変更する訓練自由アプローチを提案する。
論文参考訳（メタデータ） (2024-10-07T21:02:34Z)
Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文参考訳（メタデータ） (2024-08-17T11:49:53Z)
PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
論文参考訳（メタデータ） (2024-07-17T08:13:22Z)
Explaining Large Language Models Decisions Using Shapley Values [1.223779595809275]
大規模言語モデル(LLM)は、人間の行動や認知過程をシミュレートするエキサイティングな可能性を開いた。しかし, LLMを人体用スタンドインとして活用する妥当性は, いまだに不明である。本稿では,モデルの出力に対する各プロンプト成分の相対的寄与を定量化するために,シェープリー値に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2024-03-29T22:49:43Z)
Systematic Biases in LLM Simulations of Debates [12.933509143906141]
人間の相互作用をシミュレートする際の大規模言語モデルの限界について検討する。以上の結果から, LLMエージェントがモデル固有の社会的バイアスに適合する傾向が示唆された。これらの結果は、エージェントがこれらのバイアスを克服するのに役立つ方法を開発するためのさらなる研究の必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2024-02-06T14:51:55Z)
HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments [93.94020724735199]
HAZARDは、火災、洪水、風などの3つの予期せぬ災害シナリオで構成されている。このベンチマークにより、さまざまなパイプラインで自律エージェントの意思決定能力を評価することができる。
論文参考訳（メタデータ） (2024-01-23T18:59:43Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)

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。