論文の概要: Thinking Less to Simulate Better: Intuitive Prompting Improves LLM Agents Simulating Individual Social Media Reactions, Including Unfamiliar Content

• arxiv url: http://arxiv.org/abs/2609.30563v1
• Date: Thu, 24 Sep 2026 21:14:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.14357
• Title: Thinking Less to Simulate Better: Intuitive Prompting Improves LLM Agents Simulating Individual Social Media Reactions, Including Unfamiliar Content
• Title（参考訳）: より良くシミュレートする:直感的プロンプティングは、不慣れな内容を含む個々のソーシャルメディア反応をシミュレートするLLMエージェントを改善する
• Abstract要約: 本研究は,8人のセルビア人参加者を対象に,アンケート,インタビュー,自己表現を行った。 4つの言語モデルを用いて、プロファイル内容と命令スタイルの異なる5つのプロンプト条件下での反応を予測した。 モデルに直感的かつ即応的に応答するように指示すると、どんな条件でも最も忠実になる。
• 参考スコア（独自算出の注目度）: 3.8004485764371942
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Platform policies are increasingly tested on artificial users, making agent fidelity important. Yet convincing fake profiles could also manipulate perceived public opinion before elections. Validation has concentrated on agreement with human behaviour and has paid little attention to whether an agent behaves in line with the profile it was given. The present study profiled eight Serbian participants through a questionnaire, a deep interview, and a written self-presentation, recorded their reactions to sixty-eight social media posts, and asked four language models to predict those reactions under five prompt conditions varying profile content and instruction style. Attitudinal content improved prediction over demographic backstories by a wide margin. Agents matched their stated profiles more closely than participants matched their own survey answers, and consistency proved unrelated to fidelity once profile information was present. Instructing models to respond intuitively and immediately rather than analytically gave the highest fidelity of any condition and cut the compression of individual differences from seven times the human level to three. The advantage held on posts about topics the questionnaire never raised, where that condition reached the highest fidelity of any setup and beat a crowd baseline by a wide margin, which suggests that agents prompted this way could serve as general-purpose simulated users rather than specialists on the topics they were profiled for. Results may bear implications for the development of language models, because intuition-based setups appear better suited to some tasks than reasoning-based ones.
• Abstract（参考訳）: プラットフォームポリシーは、人工知能ユーザーに対してますますテストされており、エージェントの忠実性が重要になっている。 しかし、疑わしい偽のプロフィールは選挙前に認識された世論を操ることもできる。 検証は人間の行動との一致に集中しており、エージェントが与えられたプロファイルに沿って振る舞うかどうかにはほとんど注意を払わなかった。 本研究は, 質問紙, 質問紙, 自己表現紙を通じて, 8人のセルビア人参加者をプロファイルし, その反応を68のソーシャルメディア投稿に記録し, 4つの言語モデルを用いて, プロファイル内容と指導スタイルの異なる5つの条件下でこれらの反応を予測することを求めた。 統計学的内容は、人口統計学上の予測を幅広いマージンで改善した。 エージェントは、自身のアンケート回答と一致する参加者よりも、自身のプロフィールとより密に一致し、プロフィール情報が存在すると、一貫性は忠実さとは無関係であることが判明した。 モデルに直感的に即座に反応するように指示すると、どんな状態でも最も忠実に反応し、個人差の圧縮を人間の7倍から3倍に削減する。 質問紙に掲載された記事の利点は、その状況がどんな設定でも最も忠実な状態に達し、観客のベースラインを広いマージンで打ち破ることであり、この方法でエージェントは、プロファイルされたトピックのスペシャリストではなく、汎用的なシミュレートされたユーザーとして機能する可能性があることを示唆している。 直観に基づく設定は推論に基づく設定よりもいくつかのタスクに適しているように見えるため、言語モデルの開発に影響を及ぼす可能性がある。

関連論文リスト

• A Three-Tier Persona Vector for Controllable User Simulation in Agentic Evaluation [0.9918136378822991]
  23の操作次元を持つ3層ペルソナベクトルを提案する。 我々は64,698件の会話で合成データ生成パイプライン内のペルソナモデルを評価する。
  論文  参考訳（メタデータ） (2026-09-08T11:28:02Z)
• When Persona Attributes Improve Population Alignment in Large Language Models [2.416660506672577]
  ペルソナ・プロンプト(ペルソナ・プロンプト)とは、「ペルソナ」の短い文章による記述を用いて大きな言語モデルを操る実践のこと。 最近の研究は、成功と失敗の明確なパターンなしにペルソナが促す、混ざった部分的に矛盾した結果を生み出しています。 属性選択方法がどう機能するか、どのように選択するかは、まだ不明である。
  論文  参考訳（メタデータ） (2026-09-02T12:30:56Z)
• Evaluating the Hidden Costs of Personalization in Large Language Models [55.07935163900691]
  我々は,(1)無関係なパーソナライゼーション,(2)不必要な文脈で個人情報を参照するモデル,(2)好みの絞り込み,(2)情報エコーチャンバーを補強するモデル,(3)覚醒バイアス,(3)モデルがユーザの意見に過度に同意するモデル,の3つのリスクを識別する。 我々は、現在のAIアシスタントの体系的な制限を明らかにするために、自動データ生成と調整されたメトリクスを備えた動的評価フレームワークであるPRISKを提案する。
  論文  参考訳（メタデータ） (2026-08-28T20:05:12Z)
• Adaptive Interviewing for Persona Simulation in LLMs: Evidence-Grounded Reasoning Improves Decision Alignment [23.066564025282386]
  構造化された3段階対話を通してペルソナ関連情報を収集するアダプティブ・インタビュー・フレームワークを提案する。 我々は,大規模言語モデルが道徳ジレンマシナリオにおける参加者の決定をシミュレートできるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-05-28T06:53:08Z)
• Mimetic Alignment with ASPECT: Evaluation of AI-inferred Personal Profiles [9.797234412839304]
  本研究では,職場データからの行動証拠に対して,検証済みのコミュニケーション尺度から構成物を評価するパイプラインであるASPECTを提案する。 ASPECT生成プロファイルは、自己評価と適度に一致し、ASPECT生成応答は、ジェネリックおよび自己報告ベースラインよりも好まれた。 検査可能な、個別にスコープ化されたコミュニケーションプロファイルを構築することの意味について論じる。
  論文  参考訳（メタデータ） (2026-03-27T18:55:44Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
  大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。 本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-21T20:29:02Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)

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。