論文の概要: Social bot detection in the age of ChatGPT: Challenges and opportunities

• arxiv url: http://arxiv.org/abs/2610.02386v1
• Date: Thu, 01 Oct 2026 19:08:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.054611
• Title: Social bot detection in the age of ChatGPT: Challenges and opportunities
• Title（参考訳）: ChatGPT時代の社会的ボット検出 : 課題と機会
• Abstract要約: AIが生み出す会話や行動によって引き起こされる固有の課題に対処することに集中しながら、この分野におけるギャップと新たなトレンドを特定します。 我々は、ソーシャルボット検出における潜在的に有望な機会と研究の方向性を提案する。
• 参考スコア（独自算出の注目度）: 8.970269049715933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a comprehensive overview of the challenges and opportunities in social bot detection in the context of the rise of sophisticated AI-based chatbots. By examining the state of the art in social bot detection techniques and the more salient real-world application to date, we identify gaps and emerging trends in the field, with a focus on addressing the unique challenges posed by AI-generated conversations and behaviors. We suggest potentially promising opportunities and research directions in social bot detection, including (i) the use of generative agents for synthetic data generation, testing and evaluation; (ii) the need for multimodal and cross-platform detection based on network and behavioral signatures of coordination and influence; (iii) the opportunity to extend bot detection to non-English and low-resource language settings; and, (iv) the room for development of collaborative, federated learning detection models that can help facilitate cooperation between different organizations and platforms while preserving user privacy.
• Abstract（参考訳）: 本稿では、高度なAIベースのチャットボットの台頭を背景として、ソーシャルボット検出の課題と機会を概観する。 ソーシャルボット検出技術における最先端技術と、これまでより健全な現実世界のアプリケーションを調べることで、AIが生成した会話や行動によって引き起こされるユニークな課題に対処することに集中して、この分野におけるギャップと新興トレンドを特定します。 我々は、ソーシャルボット検出における潜在的に有望な機会と研究の方向性を提案する。 一 合成データ生成、試験及び評価のための生成剤の使用 二 協調及び影響のネットワーク及び行動シグネチャに基づくマルチモーダル及びクロスプラットフォーム検出の必要性 三 ボット検出を英語以外の低リソース言語設定に拡張する機会、及び (4) ユーザプライバシを維持しつつ,異なる組織とプラットフォーム間の協力を促進するための,協調的・連携型学習検出モデルを開発するための空間。

関連論文リスト

• Adversarial Creation and Detection of AI-Generated Social Bot Content [48.21614389337061]
  既存のAI生成コンテンツ検出モデルは、主に地上データがないために、荒野で失敗することが多い。 我々は、悪質なアクターによる実際のソーシャルメディアユーザーの偽装をモデル化する敵対的手法を通じて、このギャップに対処する。 提案手法は,実世界のアウト・オブ・ディストリビューションデータにおいて,コンテンツに基づくボット検出のための既存のモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2026-06-05T12:32:47Z)
• FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
  ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。 現在の最先端のボット検出モデルは、主に独立して開発されている。 クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:13:41Z)
• RoBCtrl: Attacking GNN-Based Social Bot Detectors via Reinforced Manipulation of Bots Control Interaction [51.46634975923564]
  本稿では,ソーシャルボット制御攻撃(RoBCtrl)のための対向型マルチエージェント強化学習フレームワークを提案する。 具体的には、拡散モデルを用いて、既存のアカウントデータを小さな修正で再構築することで、高忠実度ボットアカウントを生成する。 次に,MARL(Multi-Agent Reinforcement Learning)法を用いて,ボットの逆動作をシミュレートする。
  論文  参考訳（メタデータ） (2025-10-16T02:41:49Z)
• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Adversarial Botometer: Adversarial Analysis for Social Bot Detection [1.9280536006736573]
  ソーシャルボットは人間の創造性を模倣するコンテンツを制作する。 悪意のあるソーシャルボットは、非現実的なコンテンツで人々を騙すようになる。 テキストベースのボット検出器の動作を競合環境下で評価する。
  論文  参考訳（メタデータ） (2024-05-03T11:28:21Z)
• Can AI Serve as a Substitute for Human Subjects in Software Engineering Research? [24.39463126056733]
  本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。 定性的データの代替源としてAI生成合成テキストの可能性を探る。 観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
  論文  参考訳（メタデータ） (2023-11-18T14:05:52Z)
• Towards Possibilities & Impossibilities of AI-generated Text Detection: A Survey [97.33926242130732]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。 これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。 これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
  論文  参考訳（メタデータ） (2023-10-23T18:11:32Z)
• Who Said That? Benchmarking Social Media AI Detection [12.862865254507177]
  本稿では、実ソーシャルメディアプラットフォームにおけるAIテキスト検出モデルの能力を評価するために開発された新しいベンチマークであるSAID(Social media AI Detection)を紹介する。 ZhihuやQuoraといった人気のソーシャルメディアプラットフォームから、AI生成テキストが組み込まれている。 Zhihuデータセットに基づく我々の研究の注目すべき発見は、アノテータがAI生成テキストと人間生成テキストを96.5%の平均精度で区別できることを示している。
  論文  参考訳（メタデータ） (2023-10-12T11:35:24Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)

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。