論文の概要: A Role-Based Multi-Agent Model for Climate Adaptation Deliberation Across Living Labs
- arxiv url: http://arxiv.org/abs/2607.00046v1
- Date: Mon, 29 Jun 2026 19:56:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.592916
- Title: A Role-Based Multi-Agent Model for Climate Adaptation Deliberation Across Living Labs
- Title（参考訳）: リビングラボにおける気候適応検討のための役割ベースマルチエージェントモデル
- Authors: Önder Gürcan, David Eric John Herbert, F. LeRon Shultz, Christopher Frantz, Ivan Puga-Gonzalez,
- Abstract要約: 本稿では,認知決定モデルと戦略的制度的行動を統合するモジュール型マルチレベルエージェントベースアーキテクチャを提案する。
政治的決定は、専門家の入力、公共の動員、党の整列、メディアフレーミングなど、複数のシグナルの集合から生まれる。
本稿では、経験的な結果を示すのではなく、アーキテクチャ設計の原則、モジュラー構造、モデルの統合ロジックに焦点を当てる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate governance processes involve complex interactions between heterogeneous citizens, advocacy groups, media actors, and political decision-makers. While agent-based models (ABMs) have been widely used to study environmental policy and socio-ecological systems, many existing approaches focus either on institutional dynamics or individual behavioural mechanisms in isolation. This paper presents a modular multi-level agent-based architecture that integrates empirically grounded cognitive decision models with strategic institutional behaviour within a unified simulation framework. The architecture combines (i) motive-based individual decision-making operationalised through the HUMAT and MOA frameworks, (ii) socially embedded influence processes via demographic homophily networks, and (iii) institutional strategy modules for environmental non-governmental organisations (NGOs), media agents, and politicians. Political decisions emerge from the aggregation of multiple signals, including expert input, public mobilisation, party alignment, and media framing. The model is designed to be empirically calibrated through synthetic populations derived from survey data and and institutional parameters informed through Living Lab stakeholder engagement, and to support scenario-based exploration of climate-relevant land-use governance processes. Rather than presenting empirical results, this paper focuses on the architectural design principles, modular structure, and integration logic of the model. We discuss how this multi-layered approach contributes to the modelling of democratic climate governance and outline pathways for generalization and future validation.
- Abstract（参考訳）: 気候変動のプロセスには、異質な市民、擁護団体、メディアアクター、政治的意思決定者との複雑な相互作用が含まれる。
エージェントベースモデル(ABM)は、環境政策や社会生態システムの研究に広く用いられているが、既存の多くのアプローチは、組織力学または個別の行動機構に焦点をあてている。
本稿では,経験的基礎に基づく認知決定モデルと戦略的制度的行動とを統合したマルチレベルエージェントベースアーキテクチャを提案する。
アーキテクチャが組み合わさる
(i)HUMATおよびMOAフレームワークを介して実施されるモチベーションに基づく個別意思決定
(二)階層的ホモフィリーネットワークによる社会的に埋め込まれた影響過程、及び
三 環境非政府組織(NGO)、メディアエージェント、政治家のための制度戦略モジュール
政治的決定は、専門家の入力、公共の動員、党の整列、メディアフレーミングなど、複数のシグナルの集合から生まれる。
このモデルは、リビングラボのステークホルダーエンゲージメントを通じて得られた調査データと制度的パラメータから得られた合成人口を用いて、経験的に校正され、気候関連土地利用管理プロセスのシナリオに基づく探索を支援するように設計されている。
本稿では、経験的な結果を示すのではなく、アーキテクチャ設計の原則、モジュラー構造、モデルの統合ロジックに焦点を当てる。
本稿では, この多層的アプローチが, 民主的気候ガバナンスのモデル化にどのように貢献するかを論じ, 一般化と今後の検証のための経路を概説する。
関連論文リスト
- World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - A Multi-Level Agent-Based Architecture for Climate Governance Integrating Cognitive and Institutional Dynamics [0.0]
本稿では,認知決定モデルと戦略的制度的行動を統合するモジュール型マルチレベルエージェントベースアーキテクチャを提案する。
政治的決定は、専門家の入力、公共の動員、党の整列、メディアフレーミングなど、複数のシグナルの集合から生まれる。
本稿では、経験的な結果を示すのではなく、アーキテクチャ設計の原則、モジュラー構造、モデルの統合ロジックに焦点を当てる。
論文 参考訳（メタデータ） (2026-05-08T12:53:54Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。
SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
論文 参考訳（メタデータ） (2025-10-22T06:01:21Z) - Reimagining Agent-based Modeling with Large Language Model Agents via Shachi [16.625794969005966]
大規模言語モデル(LLM)によるマルチエージェントシステムにおける創発的行動の研究は重要な研究課題である。
エージェントのポリシーをコア認知コンポーネントに分解する形式的方法論とモジュラーフレームワークであるShachiを紹介する。
提案手法を総合的な10タスクベンチマークで検証し,新しい科学的探究を通じてその能力を実証する。
論文 参考訳（メタデータ） (2025-09-26T04:38:59Z) - From Standalone LLMs to Integrated Intelligence: A Survey of Compound Al Systems [6.284317913684068]
複合アルシステム(CAIS)は、大規模な言語モデル(LLM)をレトリバー、エージェント、ツール、オーケストレータといった外部コンポーネントと統合する新興パラダイムである。
学術と産業の両方で採用が増加しているにもかかわらず、CAISの景観は断片化され、分析、分類、評価のための統一された枠組みが欠如している。
本調査は,次世代のシステムレベルの人工知能を理解し,開発し,推進するための総合的な基盤を研究者や実践者に提供することを目的とする。
論文 参考訳（メタデータ） (2025-06-05T02:34:43Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z) - Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。
HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。
HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
論文 参考訳（メタデータ） (2024-06-12T08:48:06Z) - Organizing a Society of Language Models: Structures and Mechanisms for Enhanced Collective Intelligence [0.0]
本稿では,大規模言語モデルからコミュニティ構造への変換手法を提案する。
協力型AIシステムに特有のメリットと課題を提示する,階層的,フラット,ダイナミック,フェデレートされたさまざまな組織モデルについて検討する。
このようなコミュニティの実装は、AIにおける問題解決能力を改善するための大きな約束を持っている。
論文 参考訳（メタデータ） (2024-05-06T20:15:45Z)
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。