論文の概要: AgentSociety 2: An Integrated Research Environment for Executable Social Science

• arxiv url: http://arxiv.org/abs/2607.11895v2
• Date: Wed, 15 Jul 2026 01:46:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-19 21:54:20.398696
• Title: AgentSociety 2: An Integrated Research Environment for Executable Social Science
• Title（参考訳）: AgentSociety 2: 実行可能な社会科学のための総合的な研究環境
• Abstract要約: 本稿では,実行可能な社会科学のための総合研究環境であるAgentSociety 2を紹介する。 文学の基礎、仮説生成、実験設計、シミュレーション実行、結果解釈、原稿起草を協調するAI社会科学者である。 この二重ロール設計は仮説を監査可能なエージェントの動作、環境ルール、介入、測定に転換し、エンドツーエンドのワークフローをサポートする。
• 参考スコア（独自算出の注目度）: 29.070232222256365
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: AI scientist systems are beginning to automate parts of scientific research, but social science poses a distinct challenge: its objects of inquiry are not merely datasets or laboratory protocols, but integrated social processes involving situated participants, interaction contexts, interventions, and outcomes. Yet a critical link is missing: existing systems either assist isolated research tasks or simulate agents as experimental subjects, leaving the research workflow and simulated society decoupled. Here we introduce AgentSociety 2, an Integrated Research Environment for executable social science. It couples two roles of LLM agents in the same runtime: AI social scientists that coordinate literature grounding, hypothesis generation, experiment design, simulation execution, result interpretation, and manuscript drafting; and silicon participants that generate behavioral responses within configurable social environments. This dual-role design turns hypotheses into auditable agent behaviors, environment rules, interventions, and measurements, thereby supporting an end-to-end workflow. Across seven illustrative studies spanning micro-level social-science laboratory experiments, meso-level dynamics in social media, and macro-level urban scenarios, we demonstrate its capacity to support diverse disciplinary questions, reproduce major qualitative patterns from prior studies, identify informative deviations, and enable large-scale simulations through optimized agent-environment interactions. By preserving human researchers' high-level agency while delegating procedural orchestration to agentic systems, it provides a human-in-the-loop and controllable infrastructure for next-generation computational social science, with broader applications in scalable computational social experimentation and AI-enabled social governance platforms.
• Abstract（参考訳）: AI科学者システムは、科学研究の一部を自動化し始めているが、社会科学は、その調査の対象は単なるデータセットや実験室のプロトコルではなく、位置する参加者、相互作用状況、介入、成果を含む統合された社会プロセスである。 既存のシステムは、独立した研究タスクを支援するか、エージェントを実験対象としてシミュレートし、研究のワークフローを残し、社会をシミュレートする。 本稿では,実行可能社会科学のための総合研究環境であるAgentSociety 2を紹介する。 文学の基礎、仮説生成、実験設計、シミュレーション実行、結果解釈、原稿作成を協調するAI社会科学者と、設定可能な社会環境内で行動応答を生成するシリコン参加者である。 この二重ロール設計は仮説を監査可能なエージェントの動作、環境ルール、介入、測定に転換し、エンドツーエンドのワークフローをサポートする。 マイクロレベルの社会科学実験,メディアのメソレベルの力学,マクロレベルの都市シナリオを対象とする7つの実証的研究から,多様な学際的質問の支援,先行研究からの主要な質的パターンの再現,情報的偏差の同定,エージェント環境相互作用の最適化による大規模シミュレーションの実現能力の実証を行った。 人間の研究者のハイレベルエージェンシーを保護し、手続き的オーケストレーションをエージェントシステムに委譲することで、次世代の計算社会科学のためのヒューマン・イン・ザ・ループと制御可能なインフラを提供し、スケーラブルな計算社会実験とAI対応のソーシャルガバナンスプラットフォームに幅広い応用を提供する。

関連論文リスト

• Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
  SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。 ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。 タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T22:55:30Z)
• A Survey on LLM-based Conversational User Simulation [135.70167715992912]
  大規模言語モデル(LLM)により、合成ユーザ会話の高忠実度生成が可能となった。 本稿では,ユーザの粒度とシミュレーション目的を考慮した新しい分類法を提案する。 我々は,対話型ユーザシミュレーションの最近の進歩を研究コミュニティに知らせることを目的としている。
  論文  参考訳（メタデータ） (2026-04-27T20:22:42Z)
• LLM Agents as Social Scientists: A Human-AI Collaborative Platform for Social Science Automation [45.60301203002442]
  S-Researcherは3つのコア要件に基づいて設計された大規模社会シミュレーションシステムである。 社会実験の設計、LLMエージェントによる人間の行動、結果の分析、レポート作成の研究者を支援する。 S-Researcherは、社会科学のための新しい人間-AI協調パラダイムを確立する。
  論文  参考訳（メタデータ） (2026-04-02T01:18:56Z)
• Epitome: Pioneering an Experimental Platform for AI-Social Science Integration [29.742040167436638]
  人工知能と社会科学の深い統合に特化した、世界初のオープンな実験プラットフォームであるEpitomeを紹介します。 Epitomeは、実際の展開中の個人、組織、社会に対するAIのインタラクティブな影響に焦点を当てている。 Epitomeはキャンバススタイルのユーザーフレンドリーなインターフェースで、研究者が複雑な実験シナリオを設計し、実行できるようにする。
  論文  参考訳（メタデータ） (2025-06-30T09:06:16Z)
• IndoorWorld: Integrating Physical Task Solving and Social Simulation in A Heterogeneous Multi-Agent Environment [24.052929297990953]
  IndoorWorldは、物理と社会のダイナミクスを密に統合した異質なマルチエージェント環境である。 エージェントの動作に対するマルチエージェント協調,資源競争,空間的レイアウトの影響を検討するために,オフィス環境における一連の実験を行い,その可能性を実証する。
  論文  参考訳（メタデータ） (2025-06-14T03:44:09Z)
• ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
  大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。 これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。 我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
  論文  参考訳（メタデータ） (2025-05-26T12:27:27Z)
• AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society [32.849311155921264]
  本稿では,現実的な社会環境を統合した大規模社会シミュレータであるAgentSocietyを提案する。 提案したシミュレーターに基づいて,500万件のインタラクションをシミュレートし,10万件以上のエージェントの社会生活を生成する。 偏極、炎症性メッセージの普及、普遍的ベーシック・インカム・ポリシーの効果、ハリケーンなどの外部ショックの影響の4つに焦点をあてる。
  論文  参考訳（メタデータ） (2025-02-12T15:27:07Z)
• Simulating Public Administration Crisis: A Novel Generative Agent-Based Simulation System to Lower Technology Barriers in Social Science Research [0.0]
  本稿では,GPT-3.5大言語モデルに基づく社会シミュレーションのパラダイムを提案する。 これには、人間の認知、記憶、意思決定のフレームワークをエミュレートする生成エージェントの構築が含まれる。 エージェントはパーソナライズされたカスタマイズを示し、公開イベントは自然言語処理によってシームレスに組み込まれる。
  論文  参考訳（メタデータ） (2023-11-12T20:48:01Z)
• SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
  人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。 エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。 GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2023-10-18T02:27:01Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)

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。