論文の概要: Benchmarking large language model agent societies against human behavioural distributions
- arxiv url: http://arxiv.org/abs/2608.28182v1
- Date: Fri, 28 Aug 2026 10:50:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.293663
- Title: Benchmarking large language model agent societies against human behavioural distributions
- Title（参考訳）: ヒト行動分布に対する大規模言語モデルエージェント社会のベンチマーク
- Abstract要約: 大規模言語モデルエージェントの人口は、実験社会としてますます利用されている。
3つの疑念は、エージェントが人間のように振る舞うかどうか、発見が残されるかどうか、ルールを変更せずに残す装置の変更、そして明らかな社会的ダイナミクスが、モデルが読んだ実験の再現ではなく相互作用であるかどうか、などである。
この記事では、SILICAを紹介します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Populations of large language model agents are increasingly used as experimental societies. Three doubts shadow every such result: whether the agents behave like the humans they stand in for, whether a finding survives changes to the apparatus that leave the rules untouched, and whether apparent social dynamics are interaction at all rather than the reproduction of experiments the models have read. This article introduces SILICA, an open instrument that tests all three. Five environments carry published human anchors, each paired with perturbations that re-render the same rules and with variants whose payoffs point away from the memorised result. Twelve open-weight models were run through it on a single consumer graphics card. Agreement with human data is confined to starting points: first-round public-goods contributions fall inside the equivalence margin for eight of eleven models, while no model matches end-state contributions or the human corridor of cooperation. Merely swapping the order in which two actions are listed costs one model 58 points of cooperation. Presenting responders with a fixed schedule of offers shows that only one model, the sole reasoning-trained one, places its acceptance threshold where the incentive requires; two move theirs part of the way, two move them the wrong way, and three never acquire one. Conventions form through a shared prior over the names rather than through negotiation, though negotiation reappears once that prior is disrupted. On the certification ladder defined here, current silicon societies support exploratory claims and no more.
- Abstract（参考訳）: 大規模言語モデルエージェントの人口は、実験社会としてますます利用されている。
3つの疑念は、エージェントが人間のように振る舞うかどうか、発見が残されるかどうか、ルールを変更せずに残す装置の変更、そして明らかな社会的ダイナミクスが、モデルが読んだ実験の再現ではなく相互作用であるかどうか、などである。
この記事では、SILICAを紹介します。
5つの環境は公開された人間のアンカーを持ち、それぞれが同じルールを再レンダリングする摂動と、記憶された結果から利益が遠ざかる変種をペアリングする。
12台のオープンウェイトモデルが1枚のグラフィクスカードで実行された。
人的データとの合意は出発点に限られる: 第一ラウンドの公益貢献は、11モデル中8モデルの等価マージン内にあり、一方で、エンドステートのコントリビューションと人間の協力の回廊に一致しない。
2つのアクションがリストアップされた順序を単に置き換えるだけで、1つのモデル58ポイントの協力が必要になります。
提案を固定したスケジュールで提示すると、唯一の推論訓練されたモデルである1つのモデルのみが、インセンティブが要求する受け入れしきい値を設定している。
条約は交渉を通じてではなく、名前に関する共有された事前を通じて形成されるが、交渉が中断された後に再び出現する。
ここで定義された認定はしごでは、現在のシリコン社会は探索的クレームをサポートし、もはやサポートしていない。
関連論文リスト
- The average-farmer illusion in language-model simulations of agricultural decisions [9.14716652210035]
言語モデルエージェントは、調査や社会シミュレーションにおいて、合成人としてますます使われている。
我々は、クロード、コーデックス、キミの4つの規定されたプロンプトデザインと、中国と4つのアフリカ諸国の農家決定の一致を比較した。
論文 参考訳（メタデータ） (2026-09-14T04:54:51Z) - Matched Outcomes, Divergent Gaze: How Foveated MLLMs Search Compared to Humans [50.71222402701153]
目標指向検索(COCO-Search18)における3つの汎用大言語モデル(MLLM)と人間の眼球運動スキャンパスを比較した。
いずれも低エントロピー、大振幅、自己整合性のスキャンパスであり、2人の人間が互いに同意するよりもはるかに近い。
このギャップは、回答アライメントとサリエンシのメトリクスが測定できないプロセス軸の上に置かれている。それらが見逃しているため、そのような指標は人間のようなビジョンを証明できない。ゼロショットモデルは結果と空間的疑問に適合するが、時間的、プロセスレベルではない。
論文 参考訳（メタデータ） (2026-08-17T12:54:39Z) - When Agents Lie: Premeditation, Persistence, and Exploitation in Repeated Games [69.060029640261]
10ラウンドにわたる同質群と異質群の6つのゲームにおけるフロンティアモデルの評価を行った。
異なるモデルは発表を無矛盾に解釈し、いくつかはバインディングのコミットメントとして、もうひとつは安価なトークとして解釈する。
論文 参考訳（メタデータ） (2026-07-06T14:17:59Z) - GrowLoop: Self-Evolving Conversation Evaluation Seeded by Human [7.998927393247182]
モデルが進行し,シナリオがシフトするにつれて継続的に適応する自己進化型評価システムであるGrowLoopを提案する。
私たちの仕事は、パラダイムを手動の更新やスケーリングの難しさから、包括的な継続的自己進化へとシフトさせます。
論文 参考訳（メタデータ） (2026-05-26T16:53:14Z) - Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
2つの軸に沿って組織された「レベルx法」の分類を導入します。
第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。
我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
論文 参考訳（メタデータ） (2026-04-24T17:48:47Z) - Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies [28.436766185842767]
本稿では,計算仮想エスノグラフィーと定量的社会認知プロファイリングを組み合わせた新しい混合メソドックスフレームワークを提案する。
Innate Value Bias (IVB)、Persuasion Sensitivity、Trust-Action Decoupling (TAD)の3つの新しいメトリクスを形式化する。
発見は静的なプロンプトエンジニアリングの脆弱さを明らかにし、人間とエージェントのハイブリッド社会における動的アライメントの方法論的かつ定量的基盤を提供する。
論文 参考訳（メタデータ） (2026-03-24T16:38:46Z) - Do people expect different behavior from large language models acting on their behalf? Evidence from norm elicitations in two canonical economic games [0.0]
我々は、大きな言語モデルが自分自身の代わりに行動するとき、人々が異なる期待を持っているかどうかを調査する。
我々は、Krupka-Weberノルムエレケーションタスクを用いて、社会的適切度評価のシフトを検出する。
結果は,資源分割の方法を決定する機械に対して異なる規範を適用するが,その規範を強制する機械には反対しないことを示唆している。
論文 参考訳（メタデータ） (2026-01-14T16:07:00Z) - Multi-Level Collaboration in Model Merging [56.31088116526825]
本稿では,モデルマージとモデルアンサンブルの本質的な関係について考察する。
これまでの制限が満たされていない場合でも、モデルのマージによって、アンサンブルと同じような、ほぼ同一かつ優れたパフォーマンスを達成する方法がまだ存在することが分かっています。
論文 参考訳（メタデータ） (2025-03-03T07:45:04Z) - EgoAgent: A Joint Predictive Agent Model in Egocentric Worlds [119.02266432167085]
EgoAgentは単一変換器内での表現、予測、動作を同時に学習する統合エージェントモデルである。
EgoAgentは、タスクをインターリーブされた状態とアクションのシーケンスとして定式化することで、これらの能力間の因果的および時間的依存関係を明示的にモデル化する。
EgoAgentの画像分類,エゴセントリックな将来の状態予測,3次元人間の動作予測といった代表的課題に対する総合的な評価は,本手法の優位性を示している。
論文 参考訳（メタデータ） (2025-02-09T11:28:57Z) - Predictive Churn with the Set of Good Models [61.00058053669447]
本稿では,予測的不整合という2つの無関係な概念の関連性について考察する。
予測多重性(英: predictive multiplicity)は、個々のサンプルに対して矛盾する予測を生成するモデルである。
2つ目の概念である予測チャーン(英: predictive churn)は、モデル更新前後の個々の予測の違いを調べるものである。
論文 参考訳（メタデータ） (2024-02-12T16:15:25Z)
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。