論文の概要: Anamnesis: An Open-Source Platform for Large-Scale Backstory-Conditioned Survey Simulation
- arxiv url: http://arxiv.org/abs/2607.10628v1
- Date: Sun, 12 Jul 2026 07:41:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.486904
- Title: Anamnesis: An Open-Source Platform for Large-Scale Backstory-Conditioned Survey Simulation
- Title（参考訳）: Anamnesis: 大規模バックストーリー・コンシデント・サーベイシミュレーションのためのオープンソースプラットフォーム
- Abstract要約: アナムネシス(Anamnesis)は、大規模言語モデルを用いた人口動態制御可能なサーベイシミュレーションのための対話型システムである。
実際の人間の被験者ではなく、仮想人口を対象とした調査機器のプロトタイピングとストレステストを可能にする。
- 参考スコア（独自算出の注目度）: 15.010551358129993
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Anamnesis, an interactive system for demographically controllable survey simulation using large language models. Open-source, and designed for non-technical users/researchers, Anamnesis enables the prototyping and stress-testing of survey instruments on virtual populations rather than real human subjects. The platform operationalizes the recently introduced Anthology and Alterity frameworks, which use structured narrative backstories to condition model responses, within a unified web interface. It supports open-ended generation, probabilistic demographic resampling, and multimodal (image and audio) surveys. We evaluate the system through two case studies: (1) replicating segments of Pew Research Center's American Trends Panel (ATP) on political typology and biomedical issues and (2) emulating human preference in the New Yorker Caption Contest. In both cases, Anamnesis produces opinion distributions that more closely match real-world survey data than standard persona-prompting baselines, offering a transparent, reproducible, and open-source alternative to proprietary simulation services.
- Abstract（参考訳）: 大規模言語モデルを用いた人口動態制御型サーベイシミュレーションのための対話型システムであるAnamnesisを提案する。
Anamnesisはオープンソースで、非技術者/研究者向けに設計されており、実際の人間の被験者ではなく、仮想人口を対象とした調査機器のプロトタイピングとストレステストを可能にしている。
プラットフォームは、最近導入されたAnthology and Alterityフレームワークを運用している。これは、構造化されたストーリーバックストリーを使用して、統一されたWebインターフェース内で、モデル応答を条件付けする。
オープン・エンド・ジェネレーション、確率的人口再サンプリング、マルチモーダル(イメージとオーディオ)サーベイをサポートする。
1) Pew Research Center のAmerican Trends Panel (ATP) の政治的類型と生物医学的問題に関する部分の複製と,(2)New Yorker Caption Contest における人間の嗜好のエミュレートという2つのケーススタディを通じてシステムを評価する。
どちらの場合も、Anamnesisは、標準的なペルソナプロンプティングベースラインよりも現実世界のサーベイデータと密に一致した意見分布を生成し、プロプライエタリなシミュレーションサービスに代わる透明で再現可能なオープンソースの代替手段を提供する。
関連論文リスト
- Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - MASim: Multilingual Agent-Based Simulation for Social Science [68.04129327237963]
マルチエージェントロールプレイングは近年,言語エージェントを用いた社会行動研究の公約を示している。
既存のシミュレーションは主に単言語であり、言語間相互作用をモデル化することができない。
我々は、最初の多言語エージェントベースのシミュレーションフレームワークであるMASimを紹介する。
論文 参考訳（メタデータ） (2025-12-08T06:12:48Z) - Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble [46.82793004650415]
大規模言語モデル(LLM)は、様々なタスクにまたがる人間のような応答をエミュレートする可能性を実証している。
本研究では,LLMをエージェントプロキシとして扱う新しいアライメントフレームワークを提案する。
我々は、構造化されたプロンプトエンジニアリング、エントロピーに基づくサンプリング、回帰に基づく選択を用いて、LLMエージェントを代表的行動パターンに向けて操るシステムであるP2Pを紹介する。
論文 参考訳（メタデータ） (2025-09-14T15:08:45Z) - Large Language Models as Virtual Survey Respondents: Evaluating Sociodemographic Response Generation [18.225151370273093]
本稿では,Large Language Models (LLMs) を用いた仮想調査回答者のシミュレーションを行う。
部分属性シミュレーション(PAS)と完全属性シミュレーション(FAS)の2つの新しいシミュレーション設定を導入する。
LLM-S3 (Large Language Model-based Sociodemography Simulation Survey) は4つの社会学領域にまたがる11の現実世界の公開データセットにまたがる総合ベンチマークスイートである。
論文 参考訳（メタデータ） (2025-09-08T04:59:00Z) - Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology [59.63189507373199]
私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。
YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。
エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。
結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
論文 参考訳（メタデータ） (2025-08-29T16:06:27Z) - Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis [19.212494396144404]
シミュレーションおよびシナリオベースのテストは、自律運転システムの開発と検証のための重要なアプローチとして現れている。
ファンデーションモデルは、事前訓練された汎用AIモデルの新たな世代を表している。
本調査では,大規模言語モデル,視覚言語モデル,多モーダル大規模言語モデル,拡散モデル,自律走行シナリオの生成と解析のための世界モデルを含む統合分類法を提案する。
論文 参考訳（メタデータ） (2025-06-13T07:25:59Z) - Specializing Large Language Models to Simulate Survey Response Distributions for Global Populations [49.908708778200115]
我々は,調査応答分布をシミュレートする大規模言語モデル (LLM) を最初に開発した。
テストベッドとして、我々は2つの世界文化調査の国レベルの結果を使用します。
予測された応答分布と実際の応答分布のばらつきを最小限に抑えるために, ファースト・ツーケン確率に基づく微調整法を提案する。
論文 参考訳（メタデータ） (2025-02-10T21:59:27Z) - ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。
ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。
PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
論文 参考訳（メタデータ） (2024-10-28T05:25:50Z) - Random Silicon Sampling: Simulating Human Sub-Population Opinion Using a
Large Language Model Based on Group-Level Demographic Information [15.435605802794408]
大規模言語モデルは、人口統計情報に関連する社会的バイアスを示す。
人口サブグループの意見をエミュレートする「ランダムシリコンサンプリング」を提案する。
言語モデルは、実際のアメリカの世論調査と非常によく似た応答分布を生成できる。
論文 参考訳（メタデータ） (2024-02-28T08:09:14Z) - Questioning the Survey Responses of Large Language Models [25.14481433176348]
我々は,米国国勢調査局が確立したアメリカン・コミュニティ・サーベイに基づいて,この方法論を批判的に検討する。
まず、モデルの応答は、例えば"A"という文字でラベル付けされた調査応答に対するバイアスの順序付けとラベル付けによって制御される。
第二に、ランダム化された回答順序付けによってこれらの体系的バイアスを調整するとき、ボード全体のモデルが一様ランダムなアンケート応答に向かう傾向にある。
論文 参考訳（メタデータ） (2023-06-13T17:48:27Z)
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。