論文の概要: From Simulated Citizens to Simulated Deliberation: Challenges in Representation and Interaction

• arxiv url: http://arxiv.org/abs/2609.07573v1
• Date: Mon, 07 Sep 2026 14:49:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.447945
• Title: From Simulated Citizens to Simulated Deliberation: Challenges in Representation and Interaction
• Title（参考訳）: シミュレートされた市民からシミュレートされた熟考へ:表現と相互作用の課題
• Abstract要約: 熟考は、実質的なスタンスとともに、合理的で互恵的で多様な議論を生み出した。 ペルソナエージェントは、人口統計パターンを確実に再現しない。 シミュレーションは容易に両面の議論を表面化するが、それらが人間の視点の多様性を捉えているかどうかはまだ検証されていない。
• 参考スコア（独自算出の注目度）: 22.275761989955196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent LLM deliberation has been explored as a scalable way to simulate public deliberation. For such simulations to be informative, persona agents should reflect population opinion patterns and interaction should shape their conclusions. We evaluate whether LLM-based deliberation can meet these two conditions using census-grounded Korean personas debating real policy questions benchmarked against national surveys. Persona agents do not reliably reproduce population opinion patterns: responses are often far more concentrated and frequently reverse demographic differences in the human data. Deliberations nonetheless produce reasoned, reciprocal, and varied arguments alongside substantial stance movement. Yet much of this movement does not require peer exchange: sealed-monologue agents change position at similar rates and reach nearly the same final balance as full debates, while groups initialized with very different positions often converge to similar endpoints. Anchoring population-informed starting positions, meanwhile, sharply suppresses updating. Thus, population representation, argument generation, and interaction-driven opinion change do not necessarily go together. The simulations readily surface arguments on both sides, though whether they capture the diversity of human perspectives remains untested, leaving open a promising role for argument surfacing even as population simulation requires further validation.
• Abstract（参考訳）: マルチエージェント LLM の議論は、公共の議論をシミュレートするスケーラブルな方法として検討されてきた。 このようなシミュレーションが有益であるためには、ペルソナエージェントは集団の意見パターンを反映し、相互作用は結論を形作るべきである。 この2つの条件を LLM による検討で満たせるかどうかを,全国調査に比較した実際の政策課題を議論する韓国人人物を用いて検討した。 ペルソナエージェントは、人口統計のパターンを確実に再現しない。 それにもかかわらず、熟考は、実質的なスタンス運動と並んで、合理的で互恵的で多様な議論を生み出した。 封印されたモノローグエージェントは、同じ速度で位置を変え、完全な議論とほぼ同じ最終的なバランスに達する一方、非常に異なる位置で初期化されたグループは、しばしば同様のエンドポイントに収束する。 一方、人口がインフォームドされたスタートポジションをアンチョーリングすることは、更新を厳しく抑制する。 したがって、人口表現、議論生成、相互作用駆動の意見変化は必ずしも一致しない。 シミュレーションは両面に容易に議論を提起するが、人間の視点の多様性を捉えているかどうかはまだ検証されていない。

関連論文リスト

• GLARE: Generative Learning via Adversarial Reward Estimation For Social Dynamics Forecasting [64.66483488975663]
  MDFB(Mathing Dynamic Forecasting Benchmark)について紹介する。 実際の会議は2,207件、将来のクエリは24,794件だった。 また,条件付き言語生成への逆模倣学習の適応であるGLAREを提案する。
  論文  参考訳（メタデータ） (2026-09-10T19:52:34Z)
• Revising Context, Shifting Simulated Stance: Auditing LLM-Based Stance Simulation in Online Discussions [62.99524765341952]
  ソーシャルメディアのユーザーをシミュレートするために、大規模な言語モデルがますます使われている。 LLMに基づくスタンスシミュレーションを監査するための枠組みとして,反実的文脈修正について検討する。 その結果、テキストのみの戦略とマルチモーダル戦略の両方において、効果的かつ堅牢なスタンス遷移が明らかとなった。
  論文  参考訳（メタデータ） (2026-06-04T17:41:54Z)
• Improving Cross-Cultural Survey Simulation with Calibrated Value Personas [2.5964189305343712]
  大規模言語モデル(LLM)は、人間の意見や調査回答をシミュレートするためにますます使われているが、文化全体にわたって人口反応を再現する能力は限られている。 本稿では,中核的な文化的側面を捉えた調査結果からテキスト記述子を導出する価値に基づくペルソナ構築手法を提案する。 提案手法は, 人口密度の低い国において, 予測誤差を低減し, 最大の改善点を示す。
  論文  参考訳（メタデータ） (2026-05-15T17:10:50Z)
• 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)
• Parametric Social Identity Injection and Diversification in Public Opinion Simulation [26.236052138777186]
  大規模言語モデル(LLM)は近年,世論シミュレーションのための合成エージェントとして採用されている。 スケーラビリティにも拘わらず、現在のシミュレーション手法では社会的多様性を捉えることができない。 人口統計属性の明示的パラメトリック表現を注入する一般フレームワークであるParametric Social Identity Injection (PSII)を提案する。
  論文  参考訳（メタデータ） (2026-03-17T05:52:03Z)
• MASim: Multilingual Agent-Based Simulation for Social Science [68.04129327237963]
  マルチエージェントロールプレイングは近年,言語エージェントを用いた社会行動研究の公約を示している。 既存のシミュレーションは主に単言語であり、言語間相互作用をモデル化することができない。 我々は、最初の多言語エージェントベースのシミュレーションフレームワークであるMASimを紹介する。
  論文  参考訳（メタデータ） (2025-12-08T06:12:48Z)
• DEBATE: A Large-Scale Benchmark for Role-Playing LLM Agents in Multi-Agent, Long-Form Debates [10.609797175227644]
  マルチエージェントロールプレイングLLM間の相互作用の信頼性を評価するための,最初の大規模実証的ベンチマークであるDEBATEを紹介する。 我々は,シミュレーション群と真正群との重要な相違点を系統的に評価し,同定した。
  論文  参考訳（メタデータ） (2025-10-29T02:21:10Z)
• Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble [46.82793004650415]
  大規模言語モデル(LLM)は、様々なタスクにまたがる人間のような応答をエミュレートする可能性を実証している。 本研究では,LLMをエージェントプロキシとして扱う新しいアライメントフレームワークを提案する。 我々は、構造化されたプロンプトエンジニアリング、エントロピーに基づくサンプリング、回帰に基づく選択を用いて、LLMエージェントを代表的行動パターンに向けて操るシステムであるP2Pを紹介する。
  論文  参考訳（メタデータ） (2025-09-14T15:08:45Z)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• ChatGPT is not A Man but Das Man: Representativeness and Structural Consistency of Silicon Samples Generated by Large Language Models [4.066868402300836]
  大きな言語モデル(LLM)は、人間の意見をシミュレートするための「シリコンサンプル」として提案されている。 本研究は, LLMが集団レベルでの見解を誤って表現する可能性があるとして, この概念を考察する。
  論文  参考訳（メタデータ） (2025-06-25T12:35:44Z)
• Deep Binding of Language Model Virtual Personas: a Study on Approximating Political Partisan Misperceptions [13.929713456538932]
  本稿では,マルチターンインタビュー文として生成した合成ユーザ"バックストリー"を用いた仮想ペルソナ構築手法を提案する。 本研究の背景には,ヒトの反応分布を忠実に再現した仮想的ペルソナと,グループ内・グループ外バイアスのオリジナルの研究で観察されたものと密に一致した効果の大きさが示されている。
  論文  参考訳（メタデータ） (2025-04-16T00:10:34Z)
• ChatGPT vs Social Surveys: Probing Objective and Subjective Silicon Population [7.281887764378982]
  大規模言語モデル(LLM)は、社会調査における人間の反応をシミュレートし、信頼できる予測を生成する可能性を秘めている。 GPTにより生成したシリコン試料の集団パラメータを同定するサンプリング分布を生成するために,繰り返しサンプリングを用いる。 以上の結果から、GPTの人口分布は、性別と平均年齢の点で、2020年の米国人口と一致していることがわかった。 GPTの立位スコアの点推定は極めて矛盾しており、特定のイデオロギーに対する明確な傾きを示していない。
  論文  参考訳（メタデータ） (2024-09-04T10:33:37Z)
• Political Compass or Spinning Arrow? Towards More Meaningful Evaluations for Values and Opinions in Large Language Models [61.45529177682614]
  我々は,大規模言語モデルにおける価値と意見の制約評価パラダイムに挑戦する。 強制されない場合、モデルが実質的に異なる答えを与えることを示す。 我々はこれらの知見をLLMの価値と意見を評価するための推奨とオープンな課題に抽出する。
  論文  参考訳（メタデータ） (2024-02-26T18:00:49Z)
• Simulating Opinion Dynamics with Networks of LLM-based Agents [7.697132934635411]
  本稿では,Large Language Models (LLMs) の集団に基づく意見力学のシミュレーション手法を提案する。 以上の結果から, LLMエージェントの正確な情報生成に対するバイアスが強く, シミュレーションエージェントが科学的現実に一致していることが明らかとなった。 しかし、素早い工学を通して確認バイアスを誘導した後、既存のエージェント・ベース・モデリングや意見ダイナミクス研究と並んで意見の断片化を観察した。
  論文  参考訳（メタデータ） (2023-11-16T07:01:48Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)

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。