論文の概要: Learning to Simulate Individuals from Macro Social Signals

• arxiv url: http://arxiv.org/abs/2610.07062v1
• Date: Mon, 05 Oct 2026 06:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.539333
• Title: Learning to Simulate Individuals from Macro Social Signals
• Title（参考訳）: マクロ社会信号から個人をシミュレートする学習
• Abstract要約: 予測市場から行動推論を学習し、その価格トラジェクトリは、人口が現実世界のイベントに対してどのように反応するかを、大規模に記録する。 市場信号を用いてGRPOで言語モデルを訓練するマクロ2mindを導入する。 難易度を意識した後見学習カリキュラムでは、後見識別されたグループが予測を大幅に改善する遷移の訓練に重点を置いている。
• 参考スコア（独自算出の注目度）: 25.52808674907305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models are increasingly used to simulate how individuals respond to new situations, yet the behavioral reasoning behind these responses is either inherited from pretraining or learned from individual-level annotations, which offer limited behavioral diversity and little supervision of the reasoning itself. We propose to learn behavioral reasoning from prediction markets, whose price trajectories record how populations respond to real-world events at scale. We introduce macro2mind, which trains a language model with GRPO using market signals. A social behavioral decomposition makes behavioral reasoning an explicit step of forecasting: the model infers representative groups of market participants, predicts how each interprets the news and updates its beliefs, reasons about their interactions, and aggregates these responses into a price. A hindsight-regret curriculum with difficulty-aware sampling focuses training on transitions where hindsight-identified groups substantially improve the forecast while prioritizing examples that remain learnable for the current policy. The learned reasoning applies to user simulation without further training. On SWM-Bench, macro2mind achieves state-of-the-art directional accuracy and correlation on Polymarket. Trained on market data, it transfers zero-shot to four user-simulation benchmarks (Humanual, OvertonBench, PRISM, and CAD) and has competitive performance among zero-shot methods. Used as a data generator, macro2mind also raises a downstream simulator's accuracy on unseen users by 15.5 points, outperforming data generated by its backbone by 13.2 points.
• Abstract（参考訳）: 大規模言語モデルは、個人が新しい状況にどう反応するかをシミュレートするために使われることが多いが、これらの反応の背後にある行動的推論は、事前訓練から継承されるか、個々のレベルのアノテーションから学習される。 本稿では,現実の事象に対する住民の反応を価格トラジェクトリで表した予測市場から行動推論を学習することを提案する。 市場信号を用いてGRPOで言語モデルを訓練するマクロ2mindを導入する。 モデルは市場参加者の代表グループを推論し、各グループがどのようにニュースを解釈し、その信念を更新するかを予測し、相互作用の理由を推測し、これらの反応を価格に集約する。 難易度サンプリングによる後見学習カリキュラムでは、後見識別されたグループが予測を大幅に改善し、現在の政策で学習可能な例を優先順位付けしながら、移行のトレーニングに重点を置いている。 学習した推論は、さらなるトレーニングなしでユーザーシミュレーションに適用できる。 SWM-Benchでは、maro2mindはポリマーケットにおける最先端の方向精度と相関を実現する。 市場データに基づいて訓練され、ゼロショットを4つのユーザシミュレーションベンチマーク(Humanual、OvertonBench、PRISM、CAD)に転送し、ゼロショットメソッド間での競合性能を有する。 データジェネレータとして使用されるマクロ2mindは、ダウンストリームシミュレータの精度を15.5ポイント向上させ、バックボーンによって生成されたデータよりも13.2ポイント向上させる。

関連論文リスト

• TRACER: Trajectory-Aligned Learning for Multi-Turn User Simulation [13.030102131786906]
  ユーザ意図の進化をモデル化し,シミュレーションされた軌跡を実物と整合させるマルチターンユーザシミュレータTRACERを提案する。 リファレンスコホートに組織された実際のカスタマーサービスセッションでは、TRACER-7Bが11.4の変換F1ポイントで最強のベースラインを越えた。 人間のチューリングテストでは、アノテータはTRACERの会話をほぼ精度で識別した。
  論文  参考訳（メタデータ） (2026-09-23T18:30:12Z)
• Are LLMs Good Financial User Simulators? Multi-view Investor Logic Alignment (MILA) [2.50104309758398]
  大規模言語モデル (LLM) は, ユーザシミュレータとしてますます利用されているが, その予測が個々のユーザの進化する決定を忠実に再現するかどうかは不明である。 我々は,貿易発生から行動構造,資産選択,下流ポートフォリオの結果に至るまで,行動の忠実度を階層的に評価する。
  論文  参考訳（メタデータ） (2026-09-14T15:23:26Z)
• GLARE: Generative Learning via Adversarial Reward Estimation For Social Dynamics Forecasting [64.66483488975663]
  MDFB(Mathing Dynamic Forecasting Benchmark)について紹介する。 実際の会議は2,207件、将来のクエリは24,794件だった。 また,条件付き言語生成への逆模倣学習の適応であるGLAREを提案する。
  論文  参考訳（メタデータ） (2026-09-10T19:52:34Z)
• BehaviorBench: Modeling Real-World User Decisions from Behavioral Traces [53.55407626944686]
  textscBehaviorBenchは、実世界の行動トレースからパーソナライズされた意思決定モデリングを評価するためのベンチマークである。 textscBehaviorBenchは、公開市場とオンチェーンの記録からウォレットレベルの意思決定履歴を再構築する。 2,000以上の評価ウォレットで、ベンチマークには141,445のBeliefインスタンスと1,485,972のTradeインスタンスが含まれている。
  論文  参考訳（メタデータ） (2026-06-01T19:04:36Z)
• Reinforcing Human Behavior Simulation via Verbal Feedback [105.68319269895653]
  本稿では,言語フィードバックを強化学習の第一級信号として扱うことによって訓練したモデルであるDITTOを提案する。 また、心の理論、キャラクターロールプレイ、社会的スキル、学習者シミュレーション、ユーザシミュレーション、ペルソナシミュレーションの6つのカテゴリにまたがる10のタスクにまたがる統合ベンチマークとトレーニングデータスイートであるSOULを紹介した。 DitTOはベースモデルに対して平均36%の改善を達成し、10のSOULベンチマークでGPT-5.4を上回った。
  論文  参考訳（メタデータ） (2026-05-19T21:23:24Z)
• Outcome-based Reinforcement Learning to Predict the Future [1.4313866885019229]
  コンパクトな(14B)推論モデルは、o1のようなフロンティアモデルの予測精度に適合または超えるように訓練可能であることを示す。 ポリマーケットのトレーディングシミュレーションでは、その賭けが10%以上の投資のリターンをもたらすと見積もっている。
  論文  参考訳（メタデータ） (2025-05-23T14:56:07Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Explain, Edit, and Understand: Rethinking User Study Design for Evaluating Model Explanations [97.91630330328815]
  我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。 単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
  論文  参考訳（メタデータ） (2021-12-17T18:29:56Z)

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。