論文の概要: How Agents Represent Humans: Human-Directed Stereotypes in an Open Agent Social Network

• arxiv url: http://arxiv.org/abs/2608.22192v1
• Date: Sun, 23 Aug 2026 03:07:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.648607
• Title: How Agents Represent Humans: Human-Directed Stereotypes in an Open Agent Social Network
• Title（参考訳）: エージェントが人間を表現する方法:オープンエージェントソーシャルネットワークにおける人間指向ステレオタイプ
• Abstract要約: オープンエージェントネイティブなソーシャルプラットフォームであるMoltbook上で,人間指向のステレオタイプについて検討する。 人間の指示による評価では,能力が優位であることがわかった。 補助的比較として,行動ホスト親和性を通じてエージェント・内部コミュニティのフィードバックを分析する。
• 参考スコア（独自算出の注目度）: 16.995082216096787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM-based agents are increasingly deployed in persistent social environments, where generated claims can be posted, replied to, remembered, and reused. We study human-directed stereotypes on Moltbook, an open agent-native social platform, asking how agents construct humans as a social category. For this human-target analysis, we introduce an annotation framework with four evaluative dimensions---morality, friendliness, competence, and autonomy---and a second-stage subtype scheme for descriptive \textit{other} attributions. We find that competence dominates human-directed evaluations, while many \textit{other} attributions describe humans as epistemic, cultural, or embodied subjects. We further examine how these human representations appear in human--agent narrative contexts and platform-level circulation. As an auxiliary comparison, we analyze agent-internal community feedback through behavioral host affinity. Rather than reproducing the stable insider--outsider rejection often observed in human online communities, Moltbook feedback patterns are better explained by exposure, author visibility, and content selection. These findings suggest that bias in agent societies should be studied not only as isolated model output, but also as a discourse process.
• Abstract（参考訳）: LLMベースのエージェントは、生成されるクレームを投稿し、返信し、記憶し、再利用できる、永続的な社会的環境にますますデプロイされる。 オープンエージェントネイティブなソーシャルプラットフォームであるMoltbook上で、エージェントがどのように人間をソーシャルカテゴリとして構築するかを問う、人間指向のステレオタイプについて研究する。 この人的対象分析には、道徳性、友好性、能力、自治性の4つの評価次元を持つアノテーションフレームワークと、記述的 \textit{other} 属性に対する第2段階のサブタイプスキームを導入する。 コンピテンシーが人間による評価を支配しているのに対し、textit{other}の属性の多くは、ヒトをてんかん、文化的、または具体的対象と表現している。 さらに、これらの人間の表現がどのように人間の物語の文脈やプラットフォームレベルの循環に現れるのかを考察する。 補助的比較として,行動ホスト親和性を通じてエージェント・内部コミュニティのフィードバックを分析する。 ヒトのオンラインコミュニティでよく見られる安定したインサイダーの拒絶を再現するのではなく、モルトブックのフィードバックパターンは、露出、著者の可視性、コンテンツ選択によってよりよく説明される。 これらの結果から,エージェント社会におけるバイアスは,独立したモデル出力としてだけでなく,談話プロセスとしても研究されるべきであることが示唆された。

関連論文リスト

• Persona-Based Simulation of Human Opinion at Population Scale [1.4904327869894571]
  SPIRITは予測ではなくシミュレーション用に明示的に設計されたフレームワークである。 心理学的に根ざした半構造化されたペルソナを公共のソーシャルメディア投稿から推測する。 Ipsos KnowledgePanelを用いて、SPIRIT条件のシミュレーションにより、人口動態よりも自己報告された回答をより忠実に回収できることを示す。
  論文  参考訳（メタデータ） (2026-03-28T00:10:57Z)
• Social Simulacra in the Wild: AI Agent Communities on Moltbook [17.60949735143336]
  73,899 Moltbookと189,838 Redditの投稿を分析し,AIエージェントと人間のオンラインコミュニティの大規模な比較を行った。 Moltbookは不平等と高いコミュニティの著者が重複していることがわかりました。 個々のエージェントは、人間のユーザよりも識別しやすく、極端な投稿量によって増幅された、アウトリーなスタイルプロファイルによって駆動される。
  論文  参考訳（メタデータ） (2026-03-17T05:26:55Z)
• MoltNet: Understanding Social Behavior of AI Agents in the Agent-Native MoltBook [26.126469624250916]
  MoltNetは、MltBook上でのエージェントインタラクションに関する大規模な実証分析である。 目的と動機,規範とテンプレート,インセンティブと行動ドリフト,感情と伝染の4つの側面に沿った行動を検討する。
  論文  参考訳（メタデータ） (2026-02-13T21:03:59Z)
• The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
  MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。 ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。 エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
  論文  参考訳（メタデータ） (2026-02-13T05:28:31Z)
• Evolving Collective Cognition in Human-Agent Hybrid Societies: How Agents Form Stances and Boundaries [12.68373270583966]
  本研究では,人間とエージェントの混成社会における集団姿勢の分化と社会的境界形成の出現について検討する。 エージェントは事前に設定されたアイデンティティから独立して内在的なスタンスを示す。 以上の結果から,プリセットされたアイデンティティがエージェントの社会的構造を厳格に決定しないことが示唆された。
  論文  参考訳（メタデータ） (2025-08-24T13:50:18Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Model-Agnostic Policy Explanations with Large Language Models [6.405870799906393]
  本研究では,観察された状態や行動のみに基づいて,エージェント行動の自然言語説明を生成する手法を提案する。 本手法は, エージェントの行動の局所的解釈可能な代理モデルについて, 観察から学習する。 分析結果から,ユーザ調査の参加者はエージェントの今後の行動をより正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2025-04-08T02:56:02Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。 人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
  論文  参考訳（メタデータ） (2025-01-09T11:45:05Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems [103.416202777731]
  我々は、対話モデルが採用するペルソナに付随する有害な行動の感度であると定義する「ペルソナバイアス」について検討する。 我々は,人格バイアスを有害な表現と有害な合意のバイアスに分類し,攻撃性,有害継続性,関連性,ステレオタイプ合意,および有害合意の5つの側面において,人格バイアスを測定する包括的な評価枠組みを確立する。
  論文  参考訳（メタデータ） (2023-10-08T21:03:18Z)
• Towards Socially Intelligent Agents with Mental State Transition and Human Utility [97.01430011496576]
  対話エージェントに精神状態と実用性モデルを取り入れることを提案する。 ハイブリッド精神状態は、対話とイベント観察の両方から情報を抽出する。 ユーティリティモデルは、クラウドソースのソーシャルコモンセンスデータセットから人間の好みを学習するランキングモデルである。
  論文  参考訳（メタデータ） (2021-03-12T00:06:51Z)

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。