言語エージェントが混在する意見形成ゲームの収束と社会的費用
Agent-based Modeling: Equilibrium, Echo Chambers, and Efficiency in Hybrid Coevolutionary Opinion Games
この論文をやさしく読む
ひとことで言うと
言語エージェントと数値更新エージェントが混在するネットワークで、意見の収束と集団の費用を比較した。
何に役立つ？
オンライン上の意見形成モデルで、言語を使う更新の影響を評価する参考になる。
この研究の面白いところ
540回の模擬実行は全て収束した一方、言語エージェントだけの集団では社会的費用が大きかった。
どこまで分かった？
50エージェント、二つの話題、三つの初期ネットワーク構造でのシミュレーション結果である。実際の人間集団の挙動を直接測ったものではない。
v1のアブストラクトに基づくAI解説。日本語訳とは別に、用途の解釈を含みます。
アブストラクトの日本語訳
オンラインネットワークでの意見形成では、信念と人間関係の両方が変化する。解析モデルは均衡と社会的費用の研究を可能にするが、通常、コミュニケーションを固定された数値更新として表す。大規模言語モデルによるエージェントは言語を用いる代替手段となるものの、収束性と集団全体の効率は明らかでない。本研究は、費用を最小にするFriedkin–Johnsenエージェント（Type-C）とPhi-4言語エージェント（Type-L）を、接続関係が動的に組み替わるk近傍ネットワークで組み合わせた、混合共進化意見ゲームH-COGを開発した。 銃規制と中絶に関するRedditのコメント5,199件から抽出した意見を使い、50エージェントを初期化する。コメントは微調整済みのRoBERTa回帰モデルによって連続尺度［－1、＋1］で採点し、混合パラメータで各タイプの割合を定める。実験は九つの集団構成、三つの初期ネットワーク構造、二つの話題を対象とした。540回の実行は全て、シミュレーションの時間範囲内で収束基準を満たした。Type-Lの更新でも、共進化するネットワークは解析的な更新規則と同程度に確実にアトラクターへ達し、均衡に基づく効率比較が可能になった。 集計したアナーキーの代償は、Type-Lだけの集団で5.558±0.309、Type-Cだけの集団で1.139±0.005だった。社会的費用を分解すると、この差の大部分は、言語エージェントが隣人との不一致をより大きくしたことではなく、自身の内在的意見から離れたことに由来した。主な結果は三つの初期ネットワーク構造で一貫していた。
v1の要旨から自動生成。本文の精読・人による確認は未実施。
- 初稿
- 2026-09-23（UTC）
- 最新改訂
- 2026-09-23 · v1
- 査読・掲載
- 査読状況未確認
更新履歴
- v1 2026-09-23 この版を読む
取得できた版を表示。版の更新は査読済みを意味しません。過去版の本文差分は未解析です。
原文の要旨
Opinion formation in online networks involves changes in both beliefs and social ties. Analytical models make it possible to study equilibrium and social cost, but usually represent communication as a fixed numerical update. LLM-driven agents offer a language-based alternative, yet their convergence and collective efficiency remain unclear. We develop the Hybrid Coevolutionary Opinion Game (H-COG), combining cost-minimizing Friedkin-Johnsen agents (Type-C) and Phi-4 language agents (Type-L) in a dynamically rewired K-nearest-neighbor network. We initialize 50 agents with opinions drawn from 5,199 Reddit comments on gun control and abortion. The comments are scored on a continuous [-1,+1] scale using a fine-tuned RoBERTa regressor, and a mixing parameter sets the proportion of each agent type. The experiments cover nine population compositions, three initial network topologies, and two topics. All 540 runs meet the convergence criterion within the simulation horizon. Under Type-L updating, the coevolving network reaches an attractor as reliably as it does under the analytical update rule, making an equilibrium-based efficiency comparison possible. The pooled Price of Anarchy is $5.558 \pm 0.309$ for purely Type-L populations, compared with $1.139 \pm 0.005$ for purely Type-C populations. A decomposition of social cost attributes most of this gap to language agents moving away from their intrinsic opinions, rather than to greater disagreement with their neighbors. The main findings are consistent across the three initial network topologies.
著者のコメント
24 pages, 7 figures, 4 tables. Full-paper version
arXiv ID: 2609.27639 ／ 要約の誤りについて