論文の概要: From Survey Personas to LLM Agents: A Generative Agent-based Simulation of Mobility Policy Preference Dynamics

• arxiv url: http://arxiv.org/abs/2608.07519v2
• Date: Sat, 15 Aug 2026 09:11:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.176762
• Title: From Survey Personas to LLM Agents: A Generative Agent-based Simulation of Mobility Policy Preference Dynamics
• Title（参考訳）: サーベイ・ペルソナからLLMエージェントへ:モビリティ・ポリシー・リファレンス・ダイナミクスの創発的エージェント・ベース・シミュレーション
• Abstract要約: 大規模言語モデル(LLM)は、社会的に複雑でインタラクション駆動のタスクをシミュレートするためにますます使われてきている。 本研究では,実調査の回答をジェネレーティブLLMエージェントに変換するGABMシミュレーションフレームワークを提案する。 ドイツにおけるモビリティ政策選好ダイナミクスのケーススタディを通じて,本フレームワークの適用性について解説する。
• 参考スコア（独自算出の注目度）: 0.5059126718866466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have been increasingly used to simulate socially complex and interaction-driven tasks. However, most existing studies rely on hand-crafted personas. Since persona design strongly shapes how agents interpret context and make decisions, developing empirically grounded agent profiles is a significant aspect in this underexplored research area. To address this limitation, we propose a survey-grounded generative agent-based modeling (GABM) simulation framework that translates real survey respondents into generative LLM agents. The main objective of our framework is to demonstrate how careful persona design enables realistic simulation of decision-making using LLMs for facilitating behavioral experiments. We illustrate the framework's applicability through a case study of mobility policy preference dynamics in Germany, focusing on public support for phasing out new internal combustion engine vehicles, which is part of the European Union's net-zero target. Our benchmark is based on 514 survey respondents, each translated into a natural-language persona, grounded in demographic characteristics, political orientation, mobility behavior, fuel experience, and climate-related attitudes. The simulation goal is to examine how support evolves over time, how agents switch positions across rounds, and how responses differ across survey-grounded personas under changing social and policy contexts.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、社会的に複雑でインタラクション駆動のタスクをシミュレートするためにますます使われてきている。 しかし、現存する研究のほとんどは手作りのペルソナに依存している。 ペルソナのデザインは、エージェントが文脈を解釈し、意思決定を行う方法を強く形作っているので、経験的に根拠付けられたエージェントプロファイルを開発することは、この未調査の研究領域において重要な側面である。 この制限に対処するため,本研究では,実調査回答をジェネレーティブLLMエージェントに変換するGABMシミュレーションフレームワークを提案する。 本フレームワークの主な目的は,行動実験の促進を目的としたLCMを用いた意思決定の現実的なシミュレーションを実現するために,ペルソナ設計がいかに注意深いかを実証することである。 本稿では、欧州連合(EU)のネットゼロ目標の一部である新しい内燃機関車両を廃止するための公的支援に焦点を当て、ドイツにおけるモビリティ政策選好ダイナミクスのケーススタディを通じて、このフレームワークの適用性について説明する。 本ベンチマークは,人口動態,政治的指向,移動行動,燃料体験,気候に関する態度を基礎として,それぞれが自然言語のペルソナに翻訳された514人の調査回答に基づく。 シミュレーションの目的は、時間とともにサポートがどのように進化するか、どのようにエージェントがラウンド間で位置を切り替えるか、そして社会的・政策的な状況の変化の下で、調査対象のペルソナ間でどのように反応が変化するかを検討することである。

関連論文リスト

• Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
  大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。 このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
  論文  参考訳（メタデータ） (2026-02-19T06:35:07Z)
• 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)
• Simulating and Experimenting with Social Media Mobilization Using LLM Agents [7.262048441360133]
  目覚ましい6100万人のFacebook実験 citepbond201261 に基づいて,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を開発した。 我々は、実際の米国国勢調査人口分布、Twitterネットワークトポロジ、および異種大言語モデル(LLM)エージェントを統合し、投票者投票における動員メッセージの効果を検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:43:28Z)
• A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
  エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。 我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。 コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
  論文  参考訳（メタデータ） (2025-10-13T04:07:01Z)
• Implicit Behavioral Alignment of Language Agents in High-Stakes Crowd Simulations [3.0112218223206173]
  言語駆動型生成エージェントは、対人訓練からグローバルな政策作成を支援するまで、変革的な利用で社会シミュレーションを可能にした。 近年の研究では、生成的エージェントの行動が、専門家の期待や実世界のデータから逸脱することが多いことが示唆されている。 本稿では,レウィンの行動方程式に基づく分布整合問題として定式化されたPEBA(Persona-Environment Behavioral Alignment)という理論的枠組みを紹介する。 本稿では, エージェントペルソナを反復的に洗練する, LLMに基づく最適化アルゴリズムであるPersonaEvolve(PEvo)を提案する。
  論文  参考訳（メタデータ） (2025-09-19T22:35:13Z)
• 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)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• Simulating Opinion Dynamics with Networks of LLM-based Agents [7.697132934635411]
  本稿では,Large Language Models (LLMs) の集団に基づく意見力学のシミュレーション手法を提案する。 以上の結果から, LLMエージェントの正確な情報生成に対するバイアスが強く, シミュレーションエージェントが科学的現実に一致していることが明らかとなった。 しかし、素早い工学を通して確認バイアスを誘導した後、既存のエージェント・ベース・モデリングや意見ダイナミクス研究と並んで意見の断片化を観察した。
  論文  参考訳（メタデータ） (2023-11-16T07:01:48Z)

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。