論文の概要: Large Language Models and Augmented Democracy

• arxiv url: http://arxiv.org/abs/2610.04412v1
• Date: Sat, 03 Oct 2026 10:02:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 20:24:08.520355
• Title: Large Language Models and Augmented Democracy
• Title（参考訳）: 大規模言語モデルと民主化
• Abstract要約: 大規模言語モデルに基づくデジタル双生児の機会と課題について検討する。 私は、個人の好みの表現、政治組織の集団的表現、そして攻撃者に対するそれらの表現の脆弱性に焦点を当てます。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Artificial intelligence enables computational agents to represent political preferences and take part in collective decision-making. In this thesis, I investigate the opportunities and challenges of digital twins (DTs) based on Large Language Models (LLMs) as intermediaries in augmented democracy, focusing on individual preference representation, collective representation of political organizations, and the vulnerability of those representations to attackers. First, using data from an online experiment in Brazil, I examine whether personalized DTs can predict citizens' preferences for unseen policy proposals. Second, I extend the DT framework from individuals to political organizations. Using Swiss parliamentary data, I build topic-specific knowledge graphs from lawmakers' legislative records and connect them to LLM-based lawmaker agents, which are organized into party-level DTs representing collective positions. Agentic deliberation among these agents tests whether aggregated party representations capture a broader range of intra-party perspectives than official party communications. Finally, I study the vulnerability and robustness of LLM-mediated deliberation against prompt-injection attacks that amplify viewpoints, suppress opinions, or redirect consensus. Using data from a 2023 deliberative experiment in the United Kingdom, I analyze how attack effectiveness varies with the distribution of opinions and rhetorical strategies, and evaluate a pipeline combining injection detection, structured opinion representations, and reinforcement learning to improve resistance. These findings characterize the opportunities and challenges of LLM-based digital twins in augmented democracy, stressing accurate preference representation, faithful aggregation, and robustness to strategic interaction.
• Abstract（参考訳）: 人工知能は、計算エージェントが政治的嗜好を表現し、集団的な意思決定に参加することを可能にする。 本稿では,大規模言語モデル(LLM)に基づくデジタル双生児(DT)が,個別の選好表現,政治組織の集団的表現,攻撃者に対するそれらの表現の脆弱性に焦点をあてて,民主化の仲介者としての機会と課題について考察する。 まず、ブラジルにおけるオンライン実験のデータを用いて、パーソナライズされたDTが、未確認の政策提案に対する市民の嗜好を予測することができるかどうかを検討する。 次に、DTフレームワークを個人から政治組織に拡張します。 スイスの議会データを用いて、議員の立法記録からトピック固有の知識グラフを作成し、それをLLMベースの議員エージェントに結びつける。 これらのエージェント間のエージェントの議論は、公式な当事者間のコミュニケーションよりも幅広い党内視点を捉えているかどうかをテストする。 最後に、視点を増幅し、意見を抑圧し、コンセンサスをリダイレクトする、即発的な攻撃に対するLLMによる検討の脆弱性と堅牢性について検討する。 英国における2023年の熟考実験から得られたデータを用いて,攻撃の有効性が意見の分布や修辞戦略の分布とどのように異なるかを分析し,インジェクション検出,構造化された意見表現,強化学習を併用して抵抗性を向上させるパイプラインの評価を行った。 これらの知見は、LLMベースのデジタル双生児の民主化における機会と課題を特徴づけ、正確な選好表現、忠実な集約、戦略的相互作用に対する堅牢性を強調した。

関連論文リスト

• Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents [0.22940141855172028]
  実地をイデオロギー的アライメントで整合させる多エージェントフレームワークを提案する。 我々は、2019年のフランドルの選挙の枠組みを運用し、囚人が仲裁したハブ・アンド・スポーク交渉に党員を配置する。
  論文  参考訳（メタデータ） (2026-07-16T15:08:29Z)
• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• Gender and Political Bias in Large Language Models: A Demonstration Platform [12.223144746389371]
  ParlAI Voteは欧州議会で議論や投票を行うための対話的なシステムである。 性別、年齢、国、政治的グループなどの人口統計が豊富である。 ユーザーは討論を閲覧したり、リンクされたスピーチを検査したり、実際の投票結果とフロンティアのLSMの予測を比較することができる。
  論文  参考訳（メタデータ） (2025-09-18T04:34:33Z)
• Prompts to Proxies: Emulating Human Preferences via a Compact LLM Ensemble [46.82793004650415]
  大規模言語モデル(LLM)は、様々なタスクにまたがる人間のような応答をエミュレートする可能性を実証している。 本研究では,LLMをエージェントプロキシとして扱う新しいアライメントフレームワークを提案する。 我々は、構造化されたプロンプトエンジニアリング、エントロピーに基づくサンプリング、回帰に基づく選択を用いて、LLMエージェントを代表的行動パターンに向けて操るシステムであるP2Pを紹介する。
  論文  参考訳（メタデータ） (2025-09-14T15:08:45Z)
• Political Actor Agent: Simulating Legislative System for Roll Call Votes Prediction with Large Language Models [9.0463587094323]
  政治アクターエージェント(PAA)は、制限を克服するために大規模言語モデルを利用する新しいフレームワークである。 ロールプレイングアーキテクチャを採用し、立法制度をシミュレートすることで、PAAはロールコール投票を予測するためのスケーラブルで解釈可能なパラダイムを提供する。 我々は,第117-118回衆議院議員投票記録を用いた総合的な実験を行い,PAAの優れた性能と解釈可能性について検証した。
  論文  参考訳（メタデータ） (2024-12-10T03:06:28Z)
• Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
  AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。 本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
  論文  参考訳（メタデータ） (2024-09-15T03:17:38Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• Adversarial Augmentation Policy Search for Domain and Cross-Lingual Generalization in Reading Comprehension [96.62963688510035]
  理解モデルを読むことは、しばしばトレーニングデータセットのニュアンスに過度に適合し、敵対的な評価に失敗する。 本稿では,複数の効果的な敵と自動データ拡張ポリシー探索手法を提案し,対角的評価に対して,読解理解モデルをより堅牢にすることを目的とする。
  論文  参考訳（メタデータ） (2020-04-13T17:20:08Z)

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。