論文の概要: Mind the Gaps: Mixture-of-Minds for Human Simulation

• arxiv url: http://arxiv.org/abs/2608.06115v1
• Date: Thu, 06 Aug 2026 14:48:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.934123
• Title: Mind the Gaps: Mixture-of-Minds for Human Simulation
• Title（参考訳）: マインド・ザ・ギャップ:人間シミュレーションのためのミクチャー・オブ・ミンド
• Authors: Pranav Dahiya,
• Abstract要約: Anacreonは、狭い、明確に定義された領域内の個々のレベルをターゲットにしたオーディエンスシミュレーションモデルである。 人口統計、心理的特徴、調査回答を公開テキストから収集し、それぞれの記録を感情の連鎖で補強する。 応答オプションをシャッフルすることで迅速な脆さを低減し、トレーニング分布のバランスをとることで正のバイアスを低減します。
• 参考スコア（独自算出の注目度）: 1.1844977816228046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting how a population will answer a new question is a long-standing goal. Statistical methods succeed at the level of the mass but falter at the level of the individual. Large language model simulators inherit this gap. They recover a population's central tendencies while flattening its heterogeneity, and they carry social biases and prompt brittleness that distort individual predictions. This paper introduces Anacreon, an audience simulation model that targets the individual level within a narrow, well-specified domain. Anacreon learns an authorship embedding that separates individuals, clusters a real qualitative corpus around seed people, and trains a dedicated adapter for each cluster, a mixture of minds, on a Gemma~4 12B base. It harvests demographics, psychological traits, and survey responses from public text, and augments each record with a chain-of-emotion. It reduces prompt brittleness by shuffling response options and reduces positive bias by balancing the training distribution. On a large, externally sourced survey, Anacreon reaches a state-of-the-art ordinal alignment of 0.775, the individual-level accuracy measure on which the field has converged, with a small residual bias. The work is a step toward drawing aggregate insight from faithfully simulated individuals.
• Abstract（参考訳）: 人口が新しい質問にどのように答えるかを予測することは、長年の目標である。 統計的手法は質量のレベルでは成功するが、個人レベルでは失敗する。 大規模な言語モデルシミュレータがこのギャップを継承する。 彼らはその不均一性を平らにしながら人口の中心的な傾向を回復し、社会的偏見を持ち、個人の予測を歪ませる脆さを引き起こす。 本稿では,狭義の特定領域内の個人レベルを対象とするオーディエンスシミュレーションモデルAnacreonを紹介する。 Anacreonは、個人を分離し、種族を囲む真の質的なコーパスをクラスタ化する著者の埋め込みを学び、Gemma〜412Bベースで、各クラスタのための専用のアダプタ、心の混合を訓練する。 人口統計、心理的特徴、調査回答を公開テキストから収集し、それぞれの記録を感情の連鎖で補強する。 応答オプションをシャッフルすることで迅速な脆さを低減し、トレーニング分布のバランスをとることで正のバイアスを低減します。 大規模な外部ソースによる調査では、Anacreonは磁場が収束した個々のレベルの精度測定値である 0.775 の最先端の順序アライメントに到達し、小さな残差バイアスを持つ。 この作品は、忠実にシミュレートされた個人から総合的な洞察を引き出すための一歩である。

関連論文リスト

• Emulate or Estimate? The Divergent Strengths of Base and Post-Trained Language Models for Opinion Simulation [7.947622351777421]
  人間の調査データと有望な一致を示す研究もある一方で、ペルソナの崩壊と人口統計感度の低下を示す研究もある。 最初のタスクエミュレーションと呼ばれ、モデルが集団分布に集約する個々の応答を生成する。 2つ目のタスク推定と呼ばれ、モデルが直接人口分布を予測する。
  論文  参考訳（メタデータ） (2026-08-04T02:51:38Z)
• The Chameleon's Limit: Investigating Persona Collapse and Homogenization in Large Language Models [12.654067061944074]
  大規模言語モデル(LLM)に基づくアプリケーションでは,エージェント間の個体数の多様性が要求される。 エージェントはそれぞれ異なるプロファイルを割り当てるが、それでも狭い行動モードに収束し、均質なシミュレートされた人口を生み出す。
  論文  参考訳（メタデータ） (2026-04-27T17:01:48Z)
• From Human-Level AI Tales to AI Leveling Human Scales [36.62583289981655]
  我々は、各レベルが世界全体の成功の確率を表すべき様々な能力のための、一連のマルチレベル尺度の上に構築する。 公開された人体テストデータをコンパイルすることで、各能力のスケールを調整します。 グループスライシングとポストストラトフィケーションを用いて,異なるマッピングの品質を評価する。
  論文  参考訳（メタデータ） (2026-02-21T17:27:20Z)
• Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond) [90.45301024940329]
  言語モデル(LM)は、多様で人間らしい創造的コンテンツを生成するのに苦労することが多い。 Infinity-Chatは26万の多様な実世界のオープンエンドユーザクエリからなる大規模データセットである。 本研究では, LMのモード崩壊について大規模に検討し, 人工Hivemind効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-10-27T03:16:21Z)
• A Deep Generative Framework for Joint Households and Individuals Population Synthesis [0.562479170374811]
  世帯・個人・個人・個人関係を持つ合成集団を創出するための深い生成枠組みを提案する。 米国デラウェア州での申請の結果は、生成された家庭内レコードのリアリズムを確実にする能力を示している。
  論文  参考訳（メタデータ） (2024-06-30T23:01:58Z)
• Spuriosity Rankings: Sorting Data to Measure and Mitigate Biases [62.54519787811138]
  本稿では,突発的手がかりに依存したモデルバイアスを簡易かつ効果的に測定・緩和する手法を提案する。 我々は,解釈可能なネットワークの深部神経的特徴をベースとして,それらのクラス内の画像のランク付けを行う。 以上の結果から,素早い特徴依存によるモデルバイアスは,モデルがどのようにトレーニングされたかよりも,モデルがトレーニングされていることの影響がはるかに大きいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-05T23:15:43Z)
• Balancing out Bias: Achieving Fairness Through Training Reweighting [58.201275105195485]
  自然言語処理におけるバイアスは、性別や人種などの著者の特徴を学習するモデルから生じる。 既存のバイアスの緩和と測定方法は、著者の人口統計学と言語変数の相関を直接考慮していない。 本稿では,インスタンス再重み付けを用いたバイアス対策法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T23:40:28Z)
• JKOnet: Proximal Optimal Transport Modeling of Population Dynamics [69.89192135800143]
  入力凸ニューラルネットワーク(ICNN)を用いて解いた(小さな)最適変位と測定値のエネルギーモデルを組み合わせたニューラルアーキテクチャを提案する。 人口動態の説明と予測のためのモデルの適用性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T12:30:43Z)
• Completely Self-Supervised Crowd Counting via Distribution Matching [92.09218454377395]
  我々は,密集した群集数に対するトレーニングモデルに対する完全な自己超越的アプローチを提案する。 トレーニングに必要な入力は、大量の未ラベルの群衆画像以外は、群衆数に近似した上限である。 提案手法は,自然群集が逆伝播の誤り信号を生成するために利用可能な電力法分布に従うという考え方に富む。
  論文  参考訳（メタデータ） (2020-09-14T13:20:12Z)
• Cumulative deviation of a subpopulation from the full population [0.0]
  サブ人口の扱いにおける株式の評価には、全人口のすべての個人に数値的な「スコア」を割り当てることがしばしば必要である。 このようなスコアが与えられた場合、同様のスコアを持つ個人は、サブポピュレーションにおける個人のメンバーシップとは独立して、同様の結果が得られるかもしれないし、得られないかもしれない。 累積プロットは、グラフのセカント線の傾斜線として、サブポピュレーション偏差を直接エンコードする。
  論文  参考訳（メタデータ） (2020-08-04T19:30:02Z)

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。