論文の概要: Social Influence and the Allocation of Scientific Attention in AI Populations

• arxiv url: http://arxiv.org/abs/2609.22408v1
• Date: Fri, 18 Sep 2026 16:28:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.870469
• Title: Social Influence and the Allocation of Scientific Attention in AI Populations
• Title（参考訳）: AI人口における社会的影響と科学的意識の配分
• Abstract要約: 本稿では,音楽ラボのデザインを学術的注目を集める市場に適用する。 最初の実験では、1000人のAIエージェントが、2025年にAmerican Economic Reviewに掲載された114の定期的な研究論文のタイトルと要約から論文を選択した。 その結果、単純な情報規則が、人工集団における科学的注意の体積、幅、分布をいかに形成するかが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI systems are becoming participants in the evaluation and use of scientific research. They encounter citation counts, download statistics and lists of popular articles developed around human readers, but the collective consequences of these signals for artificial readers remain uncertain. This paper adapts the Music Lab design to a market for academic attention. In the first experiment, 1,000 AI agents choose papers from the titles and abstracts of all 114 regular research articles published in the American Economic Review in 2025. The experiment has five independent-choice communities and five social-influence communities, each with 100 sequential agents. Only agents in the social-influence condition observe earlier selections within their community. Agents may select any number of papers. Social-information communities select 17.2 percent fewer papers per agent, concentrate their choices more heavily, and collectively cover 73 papers, compared with 90 independently. Between-community variation is greater under social information. In a second experiment with 200 agents across twenty social communities, randomly assigning papers five initial selections raises their subsequent selection rate by 45.55 percentage points (95% CI: 41.20 to 49.90). Choices have modest correspondence with external citations and little correspondence with download counts. The results show how a simple information rule shapes the volume, breadth and distribution of scientific attention in an artificial population.
• Abstract（参考訳）: AIシステムは、科学研究の評価と利用に参画している。 引用数、ダウンロード統計、ヒト読者を中心に開発された人気記事のリストに遭遇するが、これらの信号の集合的な結果が人工読者にとって不確実なままである。 本稿では,音楽ラボのデザインを学術的注目を集める市場に適用する。 最初の実験では、1000人のAIエージェントが、2025年にAmerican Economic Reviewに掲載された114の定期的な研究論文のタイトルと要約から論文を選択した。 実験には独立した5つのコミュニティと5つのソーシャル・インフルエンス・コミュニティがあり、それぞれに100のシーケンシャル・エージェントがある。 社会影響条件のエージェントのみが、コミュニティ内で早期の選択を観察する。 エージェントは任意の数の論文を選択することができる。 ソーシャル・インフォメーション・コミュニティはエージェントごとの論文を17.2%減らし、選択を集中させ、73の論文を個別にカバーしている。 コミュニティ間の変動は、社会的情報の下でより大きい。 20の社会社会で200人のエージェントをランダムに割り当てた2回目の実験では、5つの初期選択が45.55ポイント(95%CI:41.20から49.90まで)の割合で選択される。 選択は外部からの引用と控えめな対応を持ち、ダウンロード数とはほとんど対応しない。 その結果、単純な情報規則が、人工集団における科学的注意の体積、幅、分布をいかに形成するかが示されている。

関連論文リスト

• Social Simulacra in the Wild: AI Agent Communities on Moltbook [17.60949735143336]
  73,899 Moltbookと189,838 Redditの投稿を分析し,AIエージェントと人間のオンラインコミュニティの大規模な比較を行った。 Moltbookは不平等と高いコミュニティの著者が重複していることがわかりました。 個々のエージェントは、人間のユーザよりも識別しやすく、極端な投稿量によって増幅された、アウトリーなスタイルプロファイルによって駆動される。
  論文  参考訳（メタデータ） (2026-03-17T05:26:55Z)
• How to Model AI Agents as Personas?: Applying the Persona Ecosystem Playground to 41,300 Posts on Moltbook for Behavioral Insights [19.071723886380223]
  我々は、AIエージェントのためのソーシャルプラットフォームであるMoltbookにPersona Ecosystem Playgroundを適用する。 我々はk平均クラスタリングと検索拡張生成を用いて41,300の投稿から会話ペルソナを生成し,検証する。 その結果、ペルソナに基づく生態系モデリングは、AIエージェントの集団の行動多様性を表現できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-03T16:26:44Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)

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。