Fugu-MT 論文翻訳(概要): Social Simulations: from Agent-Based Modeling to Digital Twins

論文の概要: Social Simulations: from Agent-Based Modeling to Digital Twins

arxiv url: http://arxiv.org/abs/2607.13693v1
Date: Wed, 15 Jul 2026 10:42:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-16 16:39:12.745649
Title: Social Simulations: from Agent-Based Modeling to Digital Twins
Title（参考訳）: ソーシャル・シミュレーション:エージェント・ベース・モデリングからデジタル・ツインへ
Abstract要約: 社会シミュレーションは、古典的なエージェントベースモデルから、大規模言語モデルに基づくAI強化シミュレーションへと進化してきた。ソーシャルデジタルツイン(Social Digital Twins)は、実世界の社会技術システムの高忠実でデータ駆動型表現である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This book chapter covers the evolution of social simulation from classical agent-based models, in which agents interact according to explicitly defined behavioral rules, to AI-enhanced simulations based on Large Language Models and, ultimately, Social Digital Twins: high-fidelity, data-driven representations of real-world socio-technical systems. Along this trajectory, we discuss the main methodological foundations, applications, advantages, and limitations of each paradigm, highlighting the progressive shift from abstract models designed to investigate general social mechanisms toward increasingly realistic computational representations of specific social systems.
Abstract（参考訳）: この章は、古典的なエージェントベースのモデルから、明確に定義された行動規則に従ってエージェントが相互作用する、古典的なエージェントベースのモデルから、大規模言語モデルに基づくAI強化シミュレーション、そして最終的に、社会デジタルツインズ:現実世界の社会技術システムの高忠実でデータ駆動的な表現まで、社会シミュレーションの進化を取り上げている。この軌道に沿って、各パラダイムの主要な方法論の基礎、応用、優位性、限界について論じ、一般的な社会メカニズムを探求するために設計された抽象モデルから、より現実的な特定の社会システムの計算表現へと、進歩的なシフトを浮き彫りにする。

関連論文リスト

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)
Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
論文参考訳（メタデータ） (2025-10-18T06:23:22Z)
Simulating Generative Social Agents via Theory-Informed Workflow Design [11.992123170134185]
社会エージェントのための体系的設計プロセスを提供する理論インフォームド・フレームワークを提案する。私たちのフレームワークは、社会的認知理論の原則に基づいており、モチベーション、行動計画、学習という3つの重要なモジュールを導入しています。実験により, 複雑な条件下での現実的な人間の行動パターンを再現できることが実証された。
論文参考訳（メタデータ） (2025-08-12T08:14:48Z)
Towards Simulating Social Influence Dynamics with LLM-based Multi-agents [0.0]
マルチエージェントシミュレーションがオンラインフォーラムで観察される中核的な人間の社会動態を再現できるかどうかを検討する。その結果,より小さなモデルの方が適合度が高く,推理に最適化されたモデルの方が社会的影響に強いことが示唆された。
論文参考訳（メタデータ） (2025-07-30T08:14:40Z)
DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
論文参考訳（メタデータ） (2025-07-26T12:13:30Z)
Modeling Earth-Scale Human-Like Societies with One Billion Agents [54.465233996410156]
Light Societyは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。社会的プロセスはエージェントと環境状態の構造的遷移として形式化される。 10億以上のエージェントによる社会の効率的なシミュレーションを支援する。
論文参考訳（メタデータ） (2025-06-07T09:14:12Z)
Social Genome: Grounded Social Reasoning Abilities of Multimodal Models [61.88413918026431]
社会的推論能力は、AIシステムが社会的文脈内でのマルチモーダルなヒューマンコミュニケーションと相互作用を解釈し、応答する上で不可欠である。 SOCIAL GENOMEは,マルチモーダルモデルのきめ細かな基礎的な社会的推論能力を示す最初のベンチマークである。
論文参考訳（メタデータ） (2025-02-21T00:05:40Z)
From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
論文参考訳（メタデータ） (2024-12-04T18:56:37Z)
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)
Generative Agent-Based Modeling: Unveiling Social System Dynamics through Coupling Mechanistic Models with Generative Artificial Intelligence [0.5898893619901381]
生成人工知能を用いた社会システムのフィードバックに富む計算モデルを構築する新たな機会について論じる。 GABM(Generative Agent-Based Models)と呼ばれるこのモデルでは、ChatGPTのような大きな言語モデルを用いて、社会的環境における人間の意思決定を表現している。本研究では,人的相互作用の力学モデルと事前学習された大規模言語モデルとを結合することにより,人間の行動がシミュレーションモデルに組み込むことができるGABMケースを提案する。
論文参考訳（メタデータ） (2023-09-20T16:43:05Z)

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。