論文の概要: Digital Twins for Opinion Dynamics: A Generative LLM Framework for Social Networks

• arxiv url: http://arxiv.org/abs/2609.19913v1
• Date: Thu, 17 Sep 2026 08:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.176425
• Title: Digital Twins for Opinion Dynamics: A Generative LLM Framework for Social Networks
• Title（参考訳）: Opinion DynamicsのためのDigital Twins: ソーシャルネットワークのためのジェネレーティブLLMフレームワーク
• Abstract要約: 本稿では、ソーシャルネットワークにおける意見力学をシミュレートするデジタルツインの概念に基づくフレームワークを提案する。 このアプローチは、現実のTwitterネットワークをクローンしてギャップを埋め、エージェントの属性セットを割り当て、Mistral-7Bを使用して、メモリとソーシャル露出に基づいて意見更新を行う。
• 参考スコア（独自算出の注目度）: 4.999981508271022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The study of opinion dynamics in social networks is one of the key challenges in computational social science with direct relevance to understanding political polarization, misinformation, and health responses. Current approaches focus on simplified mathematical models that ignore linguistic and contextual factors related to belief updates or use Large Language Model (LLM)-based simulations that have not been validated against real data. We present a framework based on the concept of a digital twin to simulate opinion dynamics in social networks. The approach fills the gap by cloning a real-world Twitter network, assigns a set of attributes for agents (such as persona, emotions, centrality, stubbornness, and influence), and employs Mistral-7B to perform opinion update based on memory and social exposure. To evaluate the proposed approach, we validate it against two real Twitter datasets (COVID-19 discourse and U.S elections 2020). The results show that the capability of the proposed framework reproduces opinion trajectories and reduces individual prediction error by more than 50% compared to the best-performing classical baseline (Mistral-7B achieves Mean Absolute Error (MAE) = 0.150 and 0.121 on the COVID-19 and US Election 2020 datasets, respectively). We observe similar improvements in structural alignment (Delta_r = 0.120 and 0.180) and polarization dynamics (Delta_Var = 0.106 and 0.115) on the two datasets, respectively. Additionally, the ablation studies confirm that agent attributes, memory, and social exposure all contribute to the framework's predictive fidelity in reproducing opinion trajectories, with agent attributes being the most critical contributor. Overall, our results demonstrate that grounding Mistral-7B within empirically cloned interaction networks produces a realistic simulation framework capable of reproducing complex social dynamics.
• Abstract（参考訳）: ソーシャルネットワークにおける意見力学の研究は、政治分極、誤情報、健康反応の理解に直接関連する計算社会科学における重要な課題の1つである。 現在のアプローチは、信念更新に関連する言語的・文脈的要因を無視したり、実際のデータに対して検証されていないLarge Language Model(LLM)ベースのシミュレーションを使用するような単純化された数学的モデルに焦点を当てている。 本稿では、ソーシャルネットワークにおける意見力学をシミュレートするデジタルツインの概念に基づくフレームワークを提案する。 このアプローチは、現実のTwitterネットワークをクローンすることでギャップを埋め、エージェント(ペルソナ、感情、中心性、頑固性、影響力など)の属性セットを割り当て、Mistral-7Bを使用して、記憶と社会的露出に基づいて意見更新を行う。 提案手法を評価するため、実際の2つのTwitterデータセット(COVID-19談話と米国選挙2020)に対して検証する。 その結果、提案フレームワークの能力は、最も優れた古典的ベースラインと比較して、意見軌跡を再現し、個々の予測誤差を50%以上削減している(Mistral-7Bは、それぞれ、COVID-19と2020年アメリカ合衆国大統領選挙のデータセットで平均絶対誤差(MAE) = 0.150、0.121を達成する)。 構造アライメント (Delta_r = 0.120, 0.180) と偏光ダイナミクス (Delta_Var = 0.106, 0.115) の類似した改善を観測した。 さらに、アブレーション研究は、エージェント属性、記憶、社会的露出は全て、エージェント属性が最も重要な貢献者である意見軌跡を再現する際のフレームワークの予測忠実性に寄与することを確認する。 以上の結果から,実証的にクローンされたインタラクションネットワーク内でMistral-7Bを接地することで,複雑な社会的ダイナミクスを再現できる現実的なシミュレーションフレームワークが実現できることが示唆された。

関連論文リスト

• "If It Looks Like a User": Measuring Real-Time Moderation Effects via Social Media Simulation [0.9134661726886931]
  ソーシャルネットワーク上での情報拡散のエージェントベースモデルであるSimSoMの校正拡張を開発する。 キャリブレーションモデルでは,実験データの重要な統計的シグネチャを再現する。 本研究では,実証データとシミュレーションデータの両方に対して,確立された誤情報・スプレッダ検出・防止手法を適用した。
  論文  参考訳（メタデータ） (2026-08-17T13:58:51Z)
• 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)
• 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)
• LLM-Powered Social Digital Twins: A Framework for Simulating Population Behavioral Response to Policy Interventions [0.2787288702904897]
  ソーシャルデジタルツイン(Social Digital Twins)は、大規模言語モデルが個々のエージェントの認知エンジンとして機能する仮想人口レプリカである。 新型コロナウイルスをケーススタディとして、パンデミック対応の領域でこの枠組みをインスタンス化する。 本稿では, 政策シミュレーション, アプローチの限界, パンデミック対応を超えてLLMベースのデジタル双生児を拡大するための方向性について論じる。
  論文  参考訳（メタデータ） (2026-01-03T13:25:33Z)
• Simulating and Experimenting with Social Media Mobilization Using LLM Agents [7.262048441360133]
  目覚ましい6100万人のFacebook実験 citepbond201261 に基づいて,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を開発した。 我々は、実際の米国国勢調査人口分布、Twitterネットワークトポロジ、および異種大言語モデル(LLM)エージェントを統合し、投票者投票における動員メッセージの効果を検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:43:28Z)
• See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
  本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。 我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。 推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
  論文  参考訳（メタデータ） (2025-10-22T05:07:14Z)
• Sentiment Simulation using Generative AI Agents [0.0]
  本稿では、心理的に豊かなプロファイルを組み込んだ生成AIエージェントを用いた感情シミュレーションの枠組みを提案する。 エージェントは2,485人のフィリピン人回答者の全国代表による調査からインスタンス化されている。 我々の研究は、心理分析を基礎としたAIエージェントによる感情モデリングのためのスケーラブルなフレームワークを確立した。
  論文  参考訳（メタデータ） (2025-05-28T08:50:56Z)
• MF-LLM: Simulating Population Decision Dynamics via a Mean-Field Large Language Model Framework [53.82097200295448]
  MF-LLM(Mean-Field LLM)は,まず平均場理論を社会シミュレーションに取り入れる。 MF-LLMは反復過程を通じて個人と人口間の双方向相互作用をモデル化する。 IB-Tuneは、Information Bottleneckの原理にインスパイアされた、新しい微調整手法である。
  論文  参考訳（メタデータ） (2025-04-30T12:41:51Z)
• Social Opinions Prediction Utilizes Fusing Dynamics Equation with LLM-based Agents [6.1923703280119105]
  本研究では, Fusing Dynamics Equation-Large Language Model (FDE-LLM) アルゴリズムを提案する。 この革新的なアプローチは、大規模言語モデルにおける意見の行動と進化を、ソーシャルネットワーク上の実世界のデータと整合させる。 我々のアルゴリズムは、時間とともに意見の崩壊と回復を正確にシミュレートする。
  論文  参考訳（メタデータ） (2024-09-13T11:02:28Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)

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。