論文の概要: Do Social Patterns Hold in Synthetic Data? Analyzing Cyberbullying Dynamics in LLM-Generated and Authentic Dialogues

• arxiv url: http://arxiv.org/abs/2609.17549v1
• Date: Wed, 15 Jul 2026 20:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.551728
• Title: Do Social Patterns Hold in Synthetic Data? Analyzing Cyberbullying Dynamics in LLM-Generated and Authentic Dialogues
• Title（参考訳）: ソーシャルパターンは合成データに保持されるか? : LLM生成および認証対話におけるサイバーバブルダイナミクスの分析
• Abstract要約: 大規模言語モデル (LLM) は、CB(Synthetic Cyberbullying) の会話を生成するためにますます使われている。 LLM生成CB会話の社会的リアリズムを評価するための枠組みを提案する。 以上の結果から,LLMの生成したデータは高いレベルの相互作用構造を一貫して保持していることがわかった。 しかし、全てのモデルは、よりきめ細かい社会現象を体系的に歪めている。
• 参考スコア（独自算出の注目度）: 3.016009424819439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyberbullying (CB) is a complex social phenomenon characterized by repeated aggression, power imbalance, and multi-party interaction. Although large language models (LLMs) are increasingly used to generate synthetic CB conversations for data augmentation and benchmarking, it remains unclear whether such data faithfully reproduces the social dynamics of authentic interactions beyond supporting downstream task performance. We present a comprehensive framework for evaluating the social realism of LLM-generated CB conversations. We compare authentic and synthetic dialogues generated by GPT, Grok, and LLaMA across interactional structure (turn-taking, power dynamics, and repair behavior), linguistic and stylistic realism (pronoun usage and humor), affective and behavioral markers (CB types, profanity, and toxicity), and temporal escalation dynamics. We further complement automatic analyses with a human evaluation of cyberbullying presence, scenario relevance, role plausibility, and social realism. Our results show that LLM-generated data consistently preserves high-level interactional structure, including role participation patterns, directional power asymmetry, and broad distributions of behavioral markers. However, all models systematically distort finer-grained social phenomena, including behavioral magnitude, role-specific allocation, categorical distributions, and temporal dynamics. These distortions are strongly model-dependent: GPT suppresses harmful content, Grok amplifies aggressive behaviors, and LLaMA provides the most balanced approximation while smoothing role distinctions. Our findings show that synthetic CB data is useful for modeling global interactional structure but remains an imperfect substitute for authentic conversations when behavioral realism and social dynamics are essential.
• Abstract（参考訳）: CB(Cyberbullying)は、頻繁な攻撃、権力不均衡、多党間の相互作用を特徴とする複雑な社会現象である。 大規模言語モデル (LLM) は、データ拡張とベンチマークのための合成CB会話の生成にますます利用されているが、そのようなデータが下流タスクのパフォーマンス以上の真正相互作用の社会的ダイナミクスを忠実に再現するかどうかは不明である。 LLM生成CB会話の社会的リアリズムを評価するための包括的枠組みを提案する。 我々は,GPT,Grok,LLaMAが生み出す真の対話と合成対話を,相互作用構造(ターンテイキング,パワーダイナミクス,修復行動),言語的・スタイリスティックなリアリズム(代名詞的使用法とユーモア),情緒的・行動マーカー(CB型,誇張性,毒性),時間的エスカレーション力学で比較した。 さらに, サイバーいじめの有無, シナリオ関連性, 役割の妥当性, 社会リアリズムの人的評価による自動分析を補完する。 以上の結果から,LLM生成したデータは,役割参加パターン,方向性パワー非対称性,行動マーカーの広範囲分布など,高いレベルの相互作用構造を一貫して保持していることがわかった。 しかし、すべてのモデルは、行動の大きさ、役割固有の割り当て、カテゴリー分布、時間的ダイナミクスなど、よりきめ細かい社会現象を体系的に歪めている。 GPTは有害な内容を抑制し、Grokは攻撃的な振る舞いを増幅し、LLaMAは最もバランスのとれた近似を提供し、役割の区別を滑らかにする。 以上の結果から, 人工CBデータはグローバルな相互作用構造をモデル化するのに有用であるが, 行動リアリズムや社会的ダイナミクスが不可欠である場合にも, 真の会話の代替には不十分であることが示唆された。

関連論文リスト

• SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
  密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。 本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。 SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-15T07:41:52Z)
• SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
  Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。 Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。 本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
  論文  参考訳（メタデータ） (2026-03-17T17:58:44Z)
• Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
  SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。 SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-22T06:01:21Z)
• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• Large Language Model Driven Agents for Simulating Echo Chamber Formation [5.6488384323017]
  ソーシャルメディアプラットフォームにおけるエコーチャンバーの台頭は、分極と既存の信念の強化に対する懸念を高めている。 エコーチャンバーの形成をシミュレーションするための従来の手法は、しばしば事前定義された規則や数値シミュレーションに依存してきた。 本稿では,大言語モデル(LLM)を生成エージェントとして活用し,エコーチャンバー力学をシミュレートする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-25T12:05:11Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。 人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
  論文  参考訳（メタデータ） (2025-01-09T11:45:05Z)
• Models we Can Trust: Toward a Systematic Discipline of (Agent-Based) Model Interpretation and Validation [0.0]
  我々は、モデルから情報を取り出すための相互作用の分野の開発を提唱する。 このような分野の発展に向けたいくつかの方向性を概説する。
  論文  参考訳（メタデータ） (2021-02-23T10:52:22Z)

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。