論文の概要: Prompt Sensitivity of Generative Agents: Evidence from an Epidemic Model
- arxiv url: http://arxiv.org/abs/2608.26221v1
- Date: Wed, 26 Aug 2026 12:42:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.12685
- Title: Prompt Sensitivity of Generative Agents: Evidence from an Epidemic Model
- Title（参考訳）: 生成剤のプロンプト感受性:エピデミックモデルによる証拠
- Abstract要約: 本研究は, 生成エージェントの行動に対する敏感性について検討し, 変更の迅速化と, エージェントのペルソナ名の変化について検討した。
同義的なプロンプトを使用すると、モデルの結果に無視できない変化が生じる。
微妙なプロンプトの変化は、文脈の変化と同様に、モデルの結果に影響を及ぼす。
- 参考スコア（独自算出の注目度）: 0.3093890460224435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As generative AI gains traction, researchers are investigating its potential to serve as proxies for humans. From undergoing cognitive psychology experiments to experiencing an epidemic, generative agents, agents powered by generative AI models, produce realistic human behavior when prompted. This study explores the sensitivity of these generative agents' behavior to prompt modifications and varied persona names of the agents. To assess this sensitivity, we use a generative agent epidemic model, wherein each agent is prompted daily on whether it wants to isolate or commingle with other agents. We found that using synonymous prompts results in negligible changes to the model's outcomes. However, minor variations in prompts, as well as contextual changes, do influence the model's results. Lastly, our data indicates that different persona names assigned to generative agents, specifically those imbued with personas, do not significantly impact epidemic outcomes.
- Abstract（参考訳）: 生成的AIが勢いを増すにつれ、研究者は人間のプロキシとして機能する可能性を探っている。
認知心理学の実験から、流行を経験するまでの間、生成的AIモデルを利用したエージェントは、刺激を受けると現実的な人間の行動を生み出す。
本研究は,これらの生成エージェントの行動の敏感さについて,変化の促進とエージェントのペルソナ名の変化について検討した。
この感度を評価するために、生成剤流行モデルを用いて、各エージェントが他のエージェントと分離するか、あるいは相互作用するかを毎日誘導する。
その結果、同義的なプロンプトを用いることで、モデルの結果に無視できない変化が生じることがわかった。
しかし、プロンプトの微妙な変化は、文脈の変化と同様に、モデルの結果に影響を与える。
最後に, 生成エージェントに割り当てられた異なるペルソナ名, 特にペルソナを付与した人物が, 疫病のアウトカムに有意な影響を及ぼさないことを示す。
関連論文リスト
- Generating Public Health Responses using Survey-Augmented Large Language Models [0.46906883107634084]
疫学モデルは、個人が健康に関する意思決定を行う方法を表すために、調査データに依存することが多い。
本研究では,大規模言語モデルが実人口で観測されたパターンを再現する合成サーベイ応答を生成できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-06-20T01:11:49Z) - AI Agents as Policymakers in Simulated Epidemics [0.0]
我々は、流行時の反復的な政策決定を研究するための生成AIエージェントを開発する。
シミュレーションされたSEIR環境の中にエージェントを埋め込み、市長として振る舞うように促す。
この結果は、AIエージェントの創発的政策行動が、理論インフォームドプロンプトによってどのように形成されるかを示している。
論文 参考訳（メタデータ） (2026-01-06T03:19:49Z) - 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) - Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent
Dynamical Systems [70.84976977950075]
実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。
本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。
我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
論文 参考訳（メタデータ） (2024-02-29T23:07:07Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Epidemic Modeling with Generative Agents [1.1342625695057285]
本研究は、ヒトの行動を疫病モデルに組み込むという大きな課題に対処するために、個人レベルのモデリングの新しいパラダイムを提供する。
エージェントベースの疫病モデルで生成的人工知能を使用することで、各エージェントは独自の推論と決定を行う権限を持つ。
論文 参考訳（メタデータ） (2023-07-11T02:52:32Z) - My Actions Speak Louder Than Your Words: When User Behavior Predicts
Their Beliefs about Agents' Attributes [5.893351309010412]
行動科学は、人々が時々無関係な情報を使用することを示唆している。
この現象の例としては、人間とエージェントの相互作用においてより良い結果を経験したユーザーが、そのエージェントをより優れた能力を持ち、好意的であり、また、自身の行動の結果である、より悪い結果を経験したユーザーよりも、ポストホックアセスメントにおいてより整合性を示すと体系的に評価した。
分析の結果,モデルの拡張の必要性が示唆され,そのような偏見を考慮し,エージェントがこのようなバイアスを検知し,積極的に行動し,ユーザの類似した偏見を補正するメカニズムも説明できる。
論文 参考訳（メタデータ） (2023-01-21T21:26:32Z) - What Do You See in this Patient? Behavioral Testing of Clinical NLP
Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。
私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文 参考訳（メタデータ） (2021-11-30T15:52:04Z) - An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate
Intervention Policies [0.09236074230806579]
このモデルはイタリアのピエモンテの構造データを含んでいる。
このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
論文 参考訳（メタデータ） (2021-08-19T19:23:17Z) - Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。
提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
論文 参考訳（メタデータ） (2020-11-12T19:04:26Z)
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。