Fugu-MT 論文翻訳(概要): LLM-powered reasoning in agent-based modeling

論文の概要: LLM-powered reasoning in agent-based modeling

arxiv url: http://arxiv.org/abs/2607.06757v1
Date: Tue, 07 Jul 2026 19:39:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-09 22:50:30.203364
Title: LLM-powered reasoning in agent-based modeling
Title（参考訳）: エージェント・ベース・モデリングにおけるLCMを用いた推論
Abstract要約: ABMシミュレーションにおいて,人間の意思決定を予測するために,スケーラブルなハイブリッドエージェントベースおよび言語駆動型エピデミック(HALE)モデリングフレームワークを導入する。概念実証として、HALEを使って新型コロナウイルスとその効果をシミュレーションします。
参考スコア（独自算出の注目度）: 0.24570599510418345
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Agent-based modeling (ABM) has the capability to model millions of individuals and their interactions, which is useful for policy making. However, ABMs have traditionally relied on static prior, which prevents the models from adapting to real-time changes. Our research provides a novel approach to addressing this information gap. Large language models (LLMs) offer new opportunities to predict human decision-making. Here, we introduce a scalable Hybrid Agent-based and Language-driven Epidemic (HALE) modeling framework that leverages LLMs to predict human decision-making in an ABM simulation. As a proof-of-concept, we use HALE to simulate COVID-19 and its effects in Salt Lake County, UT.
Abstract（参考訳）: エージェントベースモデリング(ABM)は、何百万人もの個人とその相互作用をモデル化する能力を持つ。しかしながら、ABMは従来、静的な事前に依存するため、モデルがリアルタイムな変更に適応することができない。私たちの研究は、この情報ギャップに対処するための新しいアプローチを提供します。大規模言語モデル(LLM)は、人間の意思決定を予測する新しい機会を提供する。本稿では,LLMを利用したスケーラブルなハイブリッドエージェントと言語駆動型エピデミック(HALE)モデリングフレームワークを導入し,ABMシミュレーションで人的意思決定を予測する。概念実証として、HALEを使って新型コロナウイルスとその効果をシミュレーションします。

関連論文リスト

Towards Agentic Agent-based Models: Feasibility, Performance, and Statistical Model Checking [0.42025549992700273]
エージェントベースモデル(ABM)は、個々の意思決定にシンプルで明示的で再現可能なルールに依存している。大規模言語モデル(LLM)の最近の進歩は、これらのルールをLLMベースのエージェント機能で置き換えたり、強化したり、摂動したりすることを誘惑させる。本研究では,LSMによる意思決定の導入がABMシミュレーションの信頼性,計算コスト,動作に与える影響について検討する。
論文参考訳（メタデータ） (2026-07-20T13:49:51Z)
SimuRA: A World-Model-Driven Simulative Reasoning Architecture for General Goal-Oriented Agents [15.91448165400836]
SimuRAは汎用エージェント推論のための目標指向アーキテクチャである。我々は、オープンソースの研究デモとして、SimuRA上に構築されたWebブラウジングエージェントReasonerAgent-Webをリリースした。
論文参考訳（メタデータ） (2025-07-31T17:57:20Z)
Aligning LLM with human travel choices: a persona-based embedding learning approach [15.11130742093296]
本稿では,大規模言語モデルと人間の旅行選択行動の整合性を示す新しい枠組みを提案する。我々のフレームワークは、パーソナ推論とロードプロセスを使用して、アライメントを強化するのに適したプロンプトでLLMを条件付けします。
論文参考訳（メタデータ） (2025-05-25T06:54:01Z)
Efficient Model Selection for Time Series Forecasting via LLMs [52.31535714387368]
本稿では,Large Language Models (LLM) をモデル選択の軽量な代替手段として活用することを提案する。提案手法は, LLMの固有知識と推論能力を活用することで, 明示的な性能行列の必要性を解消する。
論文参考訳（メタデータ） (2025-04-02T20:33:27Z)
Toward LLM-Agent-Based Modeling of Transportation Systems: A Conceptual Framework [15.11130742093296]
交通システムのための汎用LLMエージェントに基づくモデリングフレームワークを提案する。我々の概念的枠組み設計は、人間の旅行者の意思決定と相互作用の過程と特性を忠実に再現する。 LLMエージェントに基づくモデリングフレームワークのさらなる改良が必要であるが、本手法は輸送システムのモデリングとシミュレーションを改善する可能性を秘めていると信じている。
論文参考訳（メタデータ） (2024-12-09T17:24:41Z)
Scaling Diffusion Language Models via Adaptation from Autoregressive Models [105.70889434492143]
拡散言語モデル(DLM)は、テキスト生成モデルのための将来性のある新しいパラダイムとして登場した。 170Mから7BまでのARモデルをDiffuGPTとDiffuLLaMAの拡散モデルに変換し、200B未満のトークンでトレーニングできることを示す。実験の結果,これらのモデルは初期のDLMよりも優れており,ARと競合していることがわかった。
論文参考訳（メタデータ） (2024-10-23T14:04:22Z)
GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
On the limits of agency in agent-based models [13.130587222524305]
エージェントベースモデリングは複雑なシステムに対する強力な洞察を提供するが、その実用性は計算の制約によって制限されている。大規模言語モデル(LLM)の最近の進歩は、適応エージェントによるABMを強化する可能性があるが、大規模なシミュレーションへの統合は依然として困難である。大規模シミュレーションにおいて,行動複雑性と計算効率のバランスをとる手法であるLSMアーチタイプを提案する。
論文参考訳（メタデータ） (2024-09-14T04:17:24Z)
Mental Modeling of Reinforcement Learning Agents by Language Models [14.668006477454616]
この研究は、いかに大きな言語モデルがエージェントのメンタルモデルを構築することができるか、初めて実証的に検証する。本研究は, LLMを用いたRL剤の挙動解明の可能性を明らかにする。
論文参考訳（メタデータ） (2024-06-26T17:14:45Z)
Characterizing Truthfulness in Large Language Model Generations with Local Intrinsic Dimension [63.330262740414646]
大規模言語モデル(LLM)から生成されたテキストの真偽を特徴付ける方法と予測法について検討する。モデルアクティベーションの局所固有次元 (LID) を用いて, 内部アクティベーションを調査し, LLMの真偽を定量化する。
論文参考訳（メタデータ） (2024-02-28T04:56:21Z)
Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
予測可能なMDP抽象化(PMA)を提案する。元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
論文参考訳（メタデータ） (2023-02-08T07:37:51Z)
METRO: Efficient Denoising Pretraining of Large Scale Autoencoding Language Models with Model Generated Signals [151.3601429216877]
本稿では,補助モデルにより生成された学習信号を用いて,大規模自動符号化言語モデルの事前学習を行う。我々は「モデル生成dEnoising TRaining Objective」(METRO)というレシピを提案する。結果、最大54億のパラメータからなるMETRO-LMは、GLUE、SuperGLUE、SQuADベンチマークで新しい最先端を実現する。
論文参考訳（メタデータ） (2022-04-13T21:39:15Z)

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。