Fugu-MT 論文翻訳(概要): The Failure Happens Before the Drift: The Social Dynamics of Values in LLM Agent Societies

論文の概要: The Failure Happens Before the Drift: The Social Dynamics of Values in LLM Agent Societies

arxiv url: http://arxiv.org/abs/2609.05514v1
Date: Mon, 31 Aug 2026 09:30:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.078768
Title: The Failure Happens Before the Drift: The Social Dynamics of Values in LLM Agent Societies
Title（参考訳）: LLMエージェント・ソシエティにおける価値の社会的ダイナミクス
Abstract要約: 大規模言語モデル(LLM)をベースとしたエージェントは、社会科学研究の参加者のためのプロキシとして、ますます使われてきている。本稿では,文化的に多様なエージェントが縦断的・横断的な議論を行う,世界価値調査(WVS)に基づくシミュレーションフレームワークを提案する。 1200人のペルソナ,15のトピック,3つのモデルを含む約4,000の会話に対して,価値の忠実さ,価値の漂流,会話リアリズムを評価した。
参考スコア（独自算出の注目度）: 19.678644625110064
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large Language Model (LLM)-based agents are increasingly used as proxies for human participants in social science research, yet it remains unclear whether they can faithfully simulate diverse and conflicting human value systems. We present a World Values Survey (WVS)-grounded simulation framework where culturally diverse agents with different communication styles engage in longitudinal, value-laden discussions. Across approximately 4,000 conversations involving 1,200 personas, 15 topics, and three models (GPT-4o, Gemini-2.5-Flash, and Gemma-4-E4B), we evaluate value faithfulness, value drift, and conversational realism. We find that more than 50\% of personas fail to express their assigned WVS profiles from the outset, while 2-7\% drift after repeated conversations. Ablations removing demographic details improve faithfulness for some models but do not change the broader trend: simulated value distributions still systematically deviate from the assigned WVS profiles. Compared to human discussions, simulated dialogues show a different trade-off between stylistic consistency and semantic diversity, often producing content-wise varied but stylistically repetitive exchanges. These findings suggest that current LLM agents can generate plausible conversations, but remain limited proxies for representing and preserving diverse human value profiles over time.
Abstract（参考訳）: 大規模言語モデル(LLM)をベースとしたエージェントは,社会科学研究における人間のプロキシとしての利用が増えているが,多様で矛盾する人間の価値体系を忠実にシミュレートできるかどうかは不明である。本稿では,文化的に多様なコミュニケーションスタイルを持つエージェントが,縦断的かつ価値の高い議論を行う,世界価値調査(WVS)を基盤としたシミュレーションフレームワークを提案する。 1200人の人物,15のトピック,および3つのモデル (GPT-4o, Gemini-2.5-Flash, Gemma-4-E4B) に関する約4,000の会話において, 価値の忠実性, 価値の漂流, 会話リアリズムを評価した。その結果,50 %以上のペルソナが与えられた WVS プロファイルの表現に失敗し,また2-7 % が繰り返し会話の後にドリフトしていることがわかった。人口統計の詳細を除去するアブレーションは、一部のモデルの忠実性を改善するが、より広範な傾向を変えることはない: シミュレーションされた値分布は、割り当てられたWVSプロファイルから体系的に逸脱している。人間の議論と比較すると、シミュレートされた対話は、スタイリスティックな一貫性とセマンティックな多様性の間に異なるトレードオフを示し、しばしば内容的に異なるが、スタイリスティックな反復的な交換を生み出す。これらの結果から,現在のLLMエージェントは,多彩な会話を生成できるが,時間とともに多様な人間の価値プロファイルを表現・保存するための限定的なプロキシを保っていることが示唆された。

関連論文リスト

SPASM: Stable Persona-driven Agent Simulation for Multi-turn Dialogue Generation [4.663948718816864]
大規模言語モデルは、チューター、サポート、カウンセリングなどのマルチターン設定に徐々にデプロイされている。 LLM会話は、ペルソナドリフト、ロール混乱、"エチョーイング"のようなアイデンティティ関連の失敗を蓄積することができる SPASMは,シミュレーションを (i) ペルソナ生成に分割し,スキーマサンプリング,妥当性検証,自然言語ペルソナ作成を行う。
論文参考訳（メタデータ） (2026-04-10T11:05:12Z)
Your Language Model Secretly Contains Personality Subnetworks [31.480534845874473]
大規模言語モデルには,すでにパラメータ空間にペルソナ特化作業が存在することを示す。本手法は完全にトレーニング不要であり,言語モデルの既存のパラメータ空間にのみ依存する。
論文参考訳（メタデータ） (2026-02-06T20:03:28Z)
EvalTalker: Learning to Evaluate Real-Portrait-Driven Multi-Subject Talking Humans [86.21111833841684]
THQA-MTは,最初の大規模マルチ話者生成音声品質評価データセットである。異なるマルチ話者間の知覚的不一致を分析し,12種類の歪みを同定する。本稿では,新しいTH品質評価フレームワークであるEvalTalkerを紹介する。
論文参考訳（メタデータ） (2025-12-01T06:56:40Z)
Consistently Simulating Human Personas with Multi-Turn Reinforcement Learning [52.07170679746533]
大規模言語モデル(LLM)は、セラピー、教育、社会的役割プレイといったインタラクティブな環境において、人間のユーザをシミュレートするためにますます使われています。 LLM生成対話におけるペルソナの一貫性の評価と改善のための統一的なフレームワークを提案する。我々は3つの自動メトリクス、即行一貫性、行間一貫性、Q&A一貫性を定義し、異なるタイプのペルソナドリフトをキャプチャし、それぞれが人間のアノテーションに対して検証する。
論文参考訳（メタデータ） (2025-10-31T19:40:41Z)
The Collective Turing Test: Large Language Models Can Generate Realistic Multi-User Discussions [0.4605116997238364]
大規模言語モデル(LLM)は、オンラインコミュニティやソーシャルメディアをシミュレートするための新しい道を提供する。 LLMがソーシャルメディア上でのヒューマングループ会話を効果的に模倣できるかどうかを評価した。
論文参考訳（メタデータ） (2025-10-29T17:01:20Z)
TwinVoice: A Multi-dimensional Benchmark Towards Digital Twins via LLM Persona Simulation [55.55404595177229]
大型言語モデル(LLM)は、人間のような能力を示す。 TwinVoiceは、さまざまな現実世界のコンテキストにわたるペルソナシミュレーションを評価するためのベンチマークである。
論文参考訳（メタデータ） (2025-10-29T14:00:42Z)
VOGUE: A Multimodal Dataset for Conversational Recommendation in Fashion [18.017186369021154]
VOGUEは、現実的なファッションショッピングシナリオにおける60人の人間対話の新たなデータセットである。各対話は、共有されたビジュアルカタログ、アイテムメタデータ、ユーザーファッションプロファイルと履歴、およびSeekersとAssistantsの会話後の評価と組み合わせられる。 VOGUEの初期解析では,視覚的に接地された対話の特異なダイナミクスが明らかとなった。
論文参考訳（メタデータ） (2025-10-24T04:45:29Z)
Beyond Survival: Evaluating LLMs in Social Deduction Games with Human-Aligned Strategies [54.08697738311866]
Werewolfのようなソーシャル推論ゲームは、言語、推論、戦略を組み合わせている。我々は,100時間以上のビデオ,32.4M発声トークン,15の規則変種を含む高品質で人間認証されたWerewolfデータセットをキュレートした。本稿では,勝利派戦略を2段階の真理として活用する新たな戦略調整評価法を提案する。
論文参考訳（メタデータ） (2025-10-13T13:33:30Z)
Human vs. Agent in Task-Oriented Conversations [22.743152820695588]
本研究は,大規模言語モデル(LLM)を模擬したユーザとタスク指向の対話における人間ユーザとの体系的比較を行った最初の事例である。本分析により,問題解決手法における2つのユーザタイプ間の行動的差異が明らかとなった。
論文参考訳（メタデータ） (2025-09-22T11:30:39Z)
Revisiting LLM Value Probing Strategies: Are They Robust and Expressive? [81.49470136653665]
広範に利用されている3つの探索戦略における値表現の頑健さと表現性を評価する。人口統計学的文脈は自由テキスト生成にはほとんど影響を与えず、モデルの値は値に基づく行動の好みと弱い相関しか示さない。
論文参考訳（メタデータ） (2025-07-17T18:56:41Z)
SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。 SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
論文参考訳（メタデータ） (2025-04-14T12:12:52Z)

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。