論文の概要: Coherence-Driven Belief Formation and Population Dynamics of Contagion in LLM Agents
- arxiv url: http://arxiv.org/abs/2610.02654v1
- Date: Fri, 02 Oct 2026 01:20:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.154672
- Title: Coherence-Driven Belief Formation and Population Dynamics of Contagion in LLM Agents
- Title（参考訳）: LLM剤のコヒーレンス駆動的信念形成と感染の集団動態
- Abstract要約: 我々は,言語モデルエージェントにおける信念の採用を計測し,エージェントが主張を採用する確率を定量化する。
我々は,AIエージェントのシステムにおける信念導入の集団的ダイナミクスにおいて,複雑な伝染の特徴を観察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Models of social contagion usually assume how individuals adopt beliefs and derive population behavior from it. We instead empirically measure belief adoption in language model agents, quantifying the probability an agent adopts a claim given how many peers endorse it. We find this adoption kernel to be sigmoid, a characteristic of complex contagion, with a threshold that is sensitive to three sources: the claim's plausibility, the source's reliability, and the agent's disposition. These three dimensions are well approximated by a single effective dimension which we propose can be understood as the coherence of the incoming belief with the LLM agent's prior beliefs. Further, we observe a characteristic of complex contagion in the collective dynamics of belief adoption in a system of AI agents: further spread on clustered than random networks. These systems also exhibit a bifurcating cascade window, and self-sustaining hysteretic consensus which lead to consensus being far harder to remove than to establish.
- Abstract（参考訳）: 社会的伝染のモデルは通常、個人が信念を取り入れ、その集団行動を引き出す方法を前提としている。
代わりに、言語モデルエージェントにおける信念の採用を実証的に測定し、エージェントがそれを支持しているピアの数から、そのエージェントが主張を採用する確率を定量化する。
この導入カーネルは、複雑な感染の特徴であるシグモイドであり、クレームの妥当性、ソースの信頼性、エージェントの配置の3つのソースに敏感な閾値を持つ。
これらの3次元は、我々が提案する一つの有効次元によってよく近似され、LLMエージェントの以前の信念と入ってくる信念の一貫性として理解することができる。
さらに、AIエージェントのシステムにおける信念導入の集団的ダイナミクスにおける複雑な伝染の特徴を観察する。
これらのシステムはまた、分岐するカスケードの窓と、自己持続的なヒステリックなコンセンサスを示しており、コンセンサスを確立させるよりも取り除くことがはるかに難しい。
関連論文リスト
- AI agents reshape consensus formation in human groups [28.25868850913969]
協調記述ゲームにおいて,混在するAIグループについて検討した。
我々は3つの異なるコンセンサス形成体制を見出した。
機械学的には、エージェントの影響は共通の言語的先行から生じる。
論文 参考訳（メタデータ） (2026-09-02T05:25:22Z) - Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating [0.0]
本研究では,会話をエージェントに委譲するだけでなく,他者からのエージェントによるコミュニケーションも受けられるという条件について検討する。
我々は,潜時回帰モデルに基づくエージェント受容率の潜時閾値測定モデルを開発した。
本稿では,情報開示,オプトイン力学,受容性を考慮したマッチメイキングなど,エージェントレコメンデータ設計の意義について論じる。
論文 参考訳（メタデータ） (2026-08-18T17:51:16Z) - MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation [51.824145170051516]
MobEvolveは、人間のモビリティ生成のための自己進化フレームワークである。
エージェントを使用して、内部ロジックを反復的に進化させる。
最先端の深層生成法とLLMベースの手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-06-01T03:46:25Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies [28.436766185842767]
本稿では,計算仮想エスノグラフィーと定量的社会認知プロファイリングを組み合わせた新しい混合メソドックスフレームワークを提案する。
Innate Value Bias (IVB)、Persuasion Sensitivity、Trust-Action Decoupling (TAD)の3つの新しいメトリクスを形式化する。
発見は静的なプロンプトエンジニアリングの脆弱さを明らかにし、人間とエージェントのハイブリッド社会における動的アライメントの方法論的かつ定量的基盤を提供する。
論文 参考訳（メタデータ） (2026-03-24T16:38:46Z) - Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。
このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
論文 参考訳（メタデータ） (2026-02-19T06:35:07Z) - The Devil Behind Moltbook: Anthropic Safety is Always Vanishing in Self-Evolving AI Societies [57.387081435669835]
大規模言語モデルから構築されたマルチエージェントシステムは、スケーラブルな集合知性と自己進化のための有望なパラダイムを提供する。
エージェント社会が継続的自己進化、完全隔離、安全性の不変性を満たすことは不可能であることを示す。
我々は、特定された安全上の懸念を軽減するために、いくつかの解決方法を提案する。
論文 参考訳（メタデータ） (2026-02-10T15:18:19Z) - The Silent Scholar Problem: A Probabilistic Framework for Breaking Epistemic Asymmetry in LLM Agents [0.6117371161379209]
本稿では,エージェントに双方向知識交換のための非構造的動機を与える形式的確率的枠組みを提案する。
これらの蓄積された信念状態が、人間フィードバックからの強化学習(RLHF)と監視ファインチューニング(SFT)のための高品質データフィルタの検証可能な報酬信号としてどのように機能するかを示す。
シミュレーションの結果、この不確実性駆動型戦略が異種環境におけるランダムベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2025-12-24T02:02:25Z) - 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)
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。