Generative Agent Simulations of 1,000 People, Joon Sung Park+, arXiv'24

[AkihikoWatanabe]

URL

• https://arxiv.org/abs/2411.10109

Authors

• Joon Sung Park
• Carolyn Q. Zou
• Aaron Shaw
• Benjamin Mako Hill
• Carrie Cai
• Meredith Ringel Morris
• Robb Willer
• Percy Liang
• Michael S. Bernstein

Abstract

• The promise of human behavioral simulation--general-purpose computational agents that replicate human behavior across domains--could enable broad applications in policymaking and social science. We present a novel agent architecture that simulates the attitudes and behaviors of 1,052 real individuals--applying large language models to qualitative interviews about their lives, then measuring how well these agents replicate the attitudes and behaviors of the individuals that they represent. The generative agents replicate participants' responses on the General Social Survey 85% as accurately as participants replicate their own answers two weeks later, and perform comparably in predicting personality traits and outcomes in experimental replications. Our architecture reduces accuracy biases across racial and ideological groups compared to agents given demographic descriptions. This work provides a foundation for new tools that can help investigate individual and collective behavior.

Translation (by gpt-4o-mini)

• 人間の行動シミュレーションの可能性—さまざまな領域で人間の行動を再現する汎用計算エージェント—は、政策立案や社会科学における幅広い応用を可能にするかもしれません。本研究では、1,052人の実在の個人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案します。これは、彼らの生活に関する質的インタビューに大規模言語モデルを適用し、これらのエージェントが代表する個人の態度と行動をどれだけ正確に再現できるかを測定します。生成エージェントは、一般社会調査における参加者の回答を85%の精度で再現し、参加者が2週間後に自分の回答を再現する精度と同等のパフォーマンスを示します。また、実験的再現における人格特性や結果の予測においても同様の結果を示します。私たちのアーキテクチャは、人口統計的な説明を与えられたエージェントと比較して、人種的およびイデオロギー的グループ間の精度バイアスを軽減します。この研究は、個人および集団の行動を調査するための新しいツールの基盤を提供します。

Summary (by gpt-4o-mini)

• 新しいエージェントアーキテクチャを提案し、1,052人の実在の個人の態度と行動を85%の精度で再現。大規模言語モデルを用いた質的インタビューに基づき、参加者の回答を正確にシミュレート。人口統計的説明を用いたエージェントと比較して、精度バイアスを軽減。個人および集団の行動調査の新しいツールを提供。