LLM ソーシャルシミュレーション
LLM エージェントで人間集団や SNS の反応を模す研究分野。Generative ABM(生成的エージェントベースモデル) とも。engagement-driven-generation にとっては「報酬を生むシミュレータ」を作る側にあたる — 実ネットワークで実験できないので、シミュレートした反応を報酬・検証に使う。
なぜ必要か
- 実 SNS での介入実験は倫理・コスト・再現性で困難
- シミュレートした反応量を 報酬 や検証に流用できる
- 意見ダイナミクス・拡散・偏極の機序を制御環境で観察できる
アプローチの3層
| 層 | 反応モデル | 特徴 |
|---|---|---|
| 古典 ABM | 数理モデル(Bounded Confidence, independent cascade 等) | 軽い・解析的だが表現が硬い |
| LLM エージェント | 自然言語で推論し投稿・反応を生成 | 豊かだが高コスト・ブラックボックス |
| ハイブリッド (Generative ABM) | 数理 + LLM | retweet/quote/comment 行動まで組み込み、意味/文体で採点 |
近年は retweet・引用・コメントといった具体的行動を生成過程に組み込み、生成投稿と実投稿の意味・文体の一致度で品質を測る方向(arXiv 2502.12073)。
代表的な取り組み
- Generative Agents(Park, Bernstein ら / Stanford, 2023)— 生成エージェント研究の源流。“1,000人シミュレーション” 系に発展。
- OASIS / AgentSociety 等の LLM ソーシャルシミュレータ(大規模・主に中国系ラボ)。
- 社会シミュレーション誌 JASSS にレビューが出る程度には体系化が進行中(arXiv 2507.19364)。
限界
- 内的心理・行動多様性の欠如 — LLM には本物の動機や個性がない。これは 機能的言語能力・心の理論の欠如そのもので、シミュレーションの妥当性の根本的な天井になる。
- バイアス、ブラックボックス性、計算コスト、hallucination による不整合。
- 検証の難しさ — 「本物らしく見える」と「本物と同じ統計を持つ」は別。慎重なバリデーションが要る。
Links
- Can LLMs Simulate Social Media Engagement? (arXiv 2502.12073)
- Integrating LLM in Agent-Based Social Simulation (arXiv 2507.19364)
関連
- engagement-driven-generation — ここで作る反応モデルが、生成最適化の報酬になる
- formal-vs-functional-competence — LLM に内的心理が無いこと=シミュレーションの妥当性の限界の根拠
- theory-of-mind — エージェントが他者の心を持たないことの含意
- reward-machine-learning — シミュレートした反応量を報酬に変換する接点