論文の概要: LiveSim: Simulating Environment-Shaped Users in Multi-Agent Live-Stream Ecosystems
- arxiv url: http://arxiv.org/abs/2608.26849v2
- Date: Mon, 31 Aug 2026 14:10:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 15:47:04.26755
- Title: LiveSim: Simulating Environment-Shaped Users in Multi-Agent Live-Stream Ecosystems
- Title（参考訳）: LiveSim:マルチエージェントライブストリームエコシステムにおける環境共有ユーザシミュレーション
- Authors: Jiaqi Xu, Yiran Qiao, Jing Chen, Qiwei Zhong, Xiang Ao, Xueqi Cheng,
- Abstract要約: ライブストリームエコシステムシミュレーションのための LLM ベースのフレームワーク textbfLiveSim を提案する。
ユーザーを編集可能な行動仮説として表現し、軌道と地上の相互作用を通じてそれらを徐々に洗練する。
実世界のライブストリームリスクコントロールデータを用いた実験は、ユーザレベルの行動忠実度向上におけるLiveSimの有効性を検証する。
- 参考スコア（独自算出の注目度）: 53.47971344451318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: User behavior simulation with large language models~(LLMs) is increasingly used to support multi-agent ecosystem simulation. Existing simulators typically rely on static user profiles inferred from historical observations, which become inadequate in socially intensive environments such as live streaming where interaction dynamics continuously reshape user behavior. We propose \textbf{LiveSim}, an LLM-based framework for live-stream ecosystem simulation. It represents users as editable behavioral hypotheses and progressively refines them through trajectory-grounded interactions, where discrepancies between simulated and observed trajectories reveal missing environmental shaping effects. These signals are further extracted as transferable environment-behavior patterns and accumulated in a collective behavioral memory to improve user-level behavioral fidelity and support ecosystem-level simulation. Experiments on real-world live-stream risk-control data validate the effectiveness of LiveSim in improving user-level behavioral fidelity and enabling ecosystem-level analysis of risk evolution and platform intervention effects.
- Abstract（参考訳）: 大規模言語モデル~(LLM)を用いたユーザ行動シミュレーションは,マルチエージェントエコシステムシミュレーションをサポートするためにますます利用されている。
既存のシミュレータは、歴史的観測から推測される静的なユーザープロファイルに依存しており、インタラクションがユーザーの振る舞いを継続的に再現するライブストリーミングのような社会的に集約的な環境では不十分である。
ライブストリームエコシステムシミュレーションのための LLM ベースのフレームワークである \textbf{LiveSim} を提案する。
これは、ユーザーが編集可能な行動仮説として表現し、軌道と地上の相互作用を通じてそれらを徐々に洗練させ、シミュレートされた軌道と観測された軌道の相違が環境形成効果の欠如を明らかにする。
これらの信号は、転送可能な環境行動パターンとして抽出され、全体の行動記憶に蓄積され、ユーザレベルの行動忠実性を改善し、エコシステムレベルのシミュレーションをサポートする。
実世界のライブストリームのリスクコントロールデータを用いた実験は、ユーザレベルの行動忠実度を改善し、リスク進化とプラットフォーム介入効果のエコシステムレベルの分析を可能にするLiveSimの有効性を検証する。
関連論文リスト
- Measuring and Mitigating the Distributional Gap Between Real and Simulated User Behaviors [61.610957638373826]
本研究では,実際のユーザ行動とシミュレーションユーザ行動の分布ギャップを計測する手法を提案する。
実会話とシミュレーション会話のデータセットが与えられた場合,本手法は各会話からユーザ行動の表現を抽出する。
ほとんどのシミュレータも同様に振る舞うが、いくつかは独立している。
論文 参考訳（メタデータ） (2026-05-08T15:09:25Z) - Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces [81.41397370235102]
我々はOmniBehaviorを紹介した。OmniBehaviorは実世界のデータから構築された最初のユーザシミュレーションベンチマークである。
現在のモデルでは,コンテキストウィンドウが拡大しても,複雑な振る舞いを正確にシミュレートすることが困難であることを示す。
この結果、個人差や長い尾の挙動が失われ、将来の高忠実度シミュレーション研究における重要な方向性が浮き彫りになる。
論文 参考訳（メタデータ） (2026-04-09T15:26:21Z) - Mind the Sim2Real Gap in User Simulation for Agentic Tasks [101.69142591891234]
ユーザシミュレーションにおけるSim2Realのギャップを形式化し、実際の人間に対して$$$-benchプロトコルを実行する最初の研究を示す。
LLMシミュレータは過度に協調的であり、スタイリスティックに均一であり、現実的なフラストレーションや曖昧さを欠いている。
これらの知見は, LLMベースのユーザシミュレータをエージェント開発サイクルで使用する際の人間による検証の重要性を強調した。
論文 参考訳（メタデータ） (2026-03-11T19:12:31Z) - UXSim: Towards a Hybrid User Search Simulation [2.50369129460887]
人間のコンピュータ相互作用に固有の真のダイナミズムとパーソナライゼーションは、より統合されたアプローチを要求する。
この作業では、両方のアプローチを統合する新しいフレームワークであるUXSimを紹介します。
論文 参考訳（メタデータ） (2026-02-27T18:14:34Z) - INTAGS: Interactive Agent-Guided Simulation [4.04638613278729]
マルチエージェントシステム(MAS)を含む多くのアプリケーションでは、実稼働に先立って、実験的な(Exp)自律エージェントを高忠実度シミュレータでテストすることが必須である。
本稿では,ExpエージェントとBGエージェントのライブインタラクションによって評価される実システムと合成マルチエージェントシステムとを区別する指標を提案する。
InTAGSを用いてシミュレータのキャリブレーションを行い、現状のWasserstein Generative Adversarial Networkアプローチと比較して、より現実的な市場データを生成することができることを示す。
論文 参考訳（メタデータ） (2023-09-04T19:56:18Z) - User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。
実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文 参考訳（メタデータ） (2023-06-05T02:58:35Z) - TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。
特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。
TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文 参考訳（メタデータ） (2021-01-17T00:29:30Z)
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。