論文の概要: Can Large Language Models Represent Urban Publics? Behavioral Replication and Population Mismatch in an Affordable-Housing Experiment

• arxiv url: http://arxiv.org/abs/2607.27100v1
• Date: Wed, 29 Jul 2026 16:27:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.740698
• Title: Can Large Language Models Represent Urban Publics? Behavioral Replication and Population Mismatch in an Affordable-Housing Experiment
• Title（参考訳）: 大規模言語モデルは都市住民を表わすことができるか? 住宅実験における行動重複と人口ミスマッチ
• Abstract要約: 大規模言語モデルでは,集団構造の維持に失敗しながら,1つの集合コントラストを近似することができることを示す。 都市計画におけるモデル評価は、この空間構造と社会構造が、平均的な効果だけでなくシミュレーションを生き残るかどうかを検証すべきである。
• 参考スコア（独自算出の注目度）: 1.7984459258809926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is growing interest in using large language models (LLMs) as low-cost proxies for resident attitudes in urban planning. Previous work shows that LLMs can predict average results of survey experiments, but less is known about whether they preserve the spatially anchored, identity-conditioned structure behind those averages, namely how support changes as a project approaches homes and how that response divides across tenure and partisan groups. We compared eight open-weight LLMs with 843 respondents in a US affordable-housing survey experiment, testing whether they reproduced the owner-renter difference in support change as a proposed development moved from 2 miles to 1/8 mile. Qwen 2.5 14B was closest (-0.242 versus the human -0.285) and was the only model to meet the prespecified +/-0.20 equivalence criterion; Phi-4 14B was directionally aligned but attenuated (-0.150), and other models showed weak, null, or reversed moderation. This aggregate match masked structural failure. Qwen attenuated the Republican contrast and exaggerated the Independent one, its RMSE across 27 party-by-tenure-by-item cells was 0.613, its median model-to-human variance ratio was 0.099, and question order shifted the contrast by +0.367. Identity-cue removal and selective nonresponse changed which comparisons were estimable, and rationale-first responses differed from matched direct-choice responses in 20.6-35.3% of focal comparisons. An LLM can thus approximate one aggregate contrast while failing to preserve the population structure, within-group heterogeneity, and measurement stability that generate it. Model evaluation in urban planning should test whether this spatial and social structure survives simulation, not only average effects.
• Abstract（参考訳）: 大規模言語モデル(LLM)を都市計画における住民態度のための低コストプロキシとして用いることへの関心が高まっている。 これまでの研究は、LCMが調査実験の平均結果を予測できることを示しているが、それらの平均値の背後にある空間的に固定されたアイデンティティ条件の構造を保っているかどうか、つまりプロジェクトが家に近づくときのサポートの変化がどのように変化するか、そしてその反応が有職とパルチザングループにまたがっているかは分かっていない。 提案する開発が2マイルから1/8マイルに移行したことにより、サポート変更の所有者と契約者の違いを再現したかどうかを検証した。 Qwen 2.5 14B は最も近い (-0.242 vs the human -0.285) で、あらかじめ規定された+/-0.20等価基準を満たす唯一のモデルであった。 この試合は構造的な失敗を隠した。 Qwenは共和党のコントラストを弱め、インディペンデント・コントラストを誇張し、27の政党間のRMSEは0.613であり、その中央値のモデルと人間の分散比は0.099であり、質問順は+0.367である。 アイデンティティー-キュー除去と選択的非応答は、比較が推定可能であるように変化し、有理第一応答は、焦点比較の20.6～35.3%において一致した直選択応答とは異なる。 LLMは、集団構造、内部の不均一性、そしてそれを生成する測定安定性を保ちながら、1つの集合コントラストを近似することができる。 都市計画におけるモデル評価は、この空間構造と社会構造が、平均的な効果だけでなくシミュレーションを生き残るかどうかを検証すべきである。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Small Foundation Models of Human Cognition and Behaviour [45.88028371034407]
  135Mから14Bパラメータの14モデルを、Psych-101の4つのアーキテクチャファミリでトレーニングしています。 Psych-101は160の実験から1070万の試行レベルの選択のデータセットである。 認知的に微調整された小さなモデルは、心理的実験のためのノイズ天井推定器として有望であることを示す。
  論文  参考訳（メタデータ） (2026-08-05T11:34:20Z)
• Passing Coarse Marginal Checks Can Be Cheap: Persona Mixtures and Imprecise Treatment-Response Estimates in an LLM Persona Panel [0.0]
  戦略ゲームにおける16個の軽量人格条件付きGPT-4.1構成の固定パネルについて検討した。 変化は急激なインデクシングであったが、そのシェアは不確実性の仮定に依存していた。 結果は、1つの固定されたモデル・プロンプトパネルに関係し、人間の置換性を確立しない。
  論文  参考訳（メタデータ） (2026-08-02T04:10:11Z)
• Analyzing and Correcting Benevolence Bias in Large Language Models [25.94213078450494]
  大規模言語モデル(LLM)は、人間の回答者のスタンドインとしてますます使われています。 ここでは、評価バイアス(benevolence bias)を識別し、測定する。これは、LLMがより親切で、より安全で、より社会的に認められた質問に対する回答に傾く傾向の小さいが、一貫性のある傾向である。 バイアスは安定なモデル特性であり、どのシステムにおいてもクォークではないことが分かる。
  論文  参考訳（メタデータ） (2026-07-26T08:37:58Z)
• Empirical Grounding Improves the Realism of LLM Agents Simulating Human Behavior During Disruptions [4.691907035988758]
  大型言語モデル(LLM)エージェントは、直接の歴史的な類似点がほとんどあるいは全くないような条件下での人間の振る舞いをシミュレートするための生成的アプローチを提供する。 本研究は, LLM-エージェントシミュレーションの破壊過程における統計的現実性の向上を実証的に評価する。
  論文  参考訳（メタデータ） (2026-07-19T23:06:28Z)
• Distribution-First Population Simulation: Collapse, Calibration, and Recall in Non-WEIRD LLM Persona Modeling [0.0]
  合成親和性ツールは、独立大規模言語モデル(LLM)エージェントとして各個人を動作させる。 このパラダイムには基本的な障害モードがあることを示し、分散優先の修正をそれに対して設定する。
  論文  参考訳（メタデータ） (2026-07-17T15:45:57Z)
• Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
  大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。 仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。 本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
  論文  参考訳（メタデータ） (2026-07-17T08:56:43Z)
• Partition, Prompt, Aggregate: Statistical Self-Consistency in Language Models [45.42736932931535]
  総確率の法則は、事前重み付けされた条件分布は、人口の有効な分割について、人口レベルの限界に集約されると主張している。 我々は二分木を評価用足場として,個体群を細粒度に分割する。 言語化されたサブポピュレーション記述を文脈で実行し、その結果の見積もりを集団レベルの推定に集約し、異なる粒度のパーティション間で比較する。
  論文  参考訳（メタデータ） (2026-07-16T17:59:31Z)
• Silicon Sampling via Cross-Survey Transfer [0.0]
  シリコンサンプリングを利用した大規模言語モデル(LLMs)は、従来の調査研究を拡大するための有望なアプローチとして、人間の調査回答者をシミュレートする。 我々は,LLMが一つの質問に対して応答者の回答を与え,その回答を同じ質問から完全に異なる質問に対して予測する,より厳密な評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-03T08:22:18Z)
• SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation [42.644852156101685]
  エピデミック予測は、人間の行動が病気の拡散に動的に反応する、という根本的な課題に直面している。 頑健な外挿のための正則化として物理的制約を利用するtextbfSL-BiLEM(Structured Learnable Behavior-in-the-Loop Epidemic Model)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T08:46:04Z)
• Benchmarking LLMs for Community Governance Simulation with Life-history Narratives [46.86050402684712]
  大規模言語モデル(LLM)は、人間の態度や振る舞いを低コストでシミュレートするためにスケーラブルである。 本稿では,データセット,ベンチマーク,アルゴリズム,システムを対象とした総合的な研究フレームワークを提案する。 システムはカリキュラム-LoRAをクローズドループポリシー評価パイプラインに統合する。
  論文  参考訳（メタデータ） (2026-05-22T15:48:49Z)
• Preserving Disagreement: Architectural Heterogeneity and Coherence Validation in Multi-Agent Policy Simulation [0.0]
  政策シミュレーションにおいて,大規模言語モデル(LLM)を用いたマルチエージェント検討システムの提案が進んでいる。 評価エージェントは、割り当てられた値の観点に関わらず、同じ選択肢に収束する。 我々は、三段階の審議フレームワークであるAI Councilを提示し、2つの介入をテストするための2つの政策シナリオにわたる120の審議を行う。
  論文  参考訳（メタデータ） (2026-04-29T11:47:28Z)
• PsychBench: Auditing Epidemiological Fidelity in Large Language Model Mental Health Simulations [0.0]
  大きな言語モデルは、臨床訓練、研究、メンタルヘルスツールのために患者をシミュレートするためにますます多くデプロイされている。 LLM患者シミュレーションの最初の疫学的検査である PsychBench を紹介した。 モデルでは, 抽出した個体群を誤って表現しながら, 臨床的に有意な個体を生成できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-19T10:05:25Z)
• Evaluating Perceptual Distance Models by Fitting Binomial Distributions to Two-Alternative Forced Choice Data [43.714290271351466]
  本稿では,二項決定モデルに最大推定値を適用し,より頑健な距離モデル評価手法を提案する。 提案手法は2つの2AFC PFデータセット上での様々な視覚距離モデルの評価から, 簡便さ, 可視性, 柔軟性, 計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T15:21:04Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)

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。