SOCIA: An End-to-End Agentic Framework for Automated Cyber-Physical-Social Simulator Generation

要約

このペーパーでは、大規模な言語モデル（LLM）ベースのマルチエージェントシステムを活用する新しいエンドツーエンドのフレームワークである社会（サイバー哲学的インテリジェンスとエージェントのシミュレーションオーケストレーション）を紹介して、高忠実度のサイバー哲学（CPS）シミュレーターの生成を自動化します。
労働集約型のマニュアルシミュレーター開発と複雑なデータキャリブレーションの課題に対処するため、Sociaは、データ理解、コード生成、シミュレーション実行、反復評価フィードバックループなどのタスクについて専門的なエージェントを調整する集中オーケストレーションマネージャーを統合します。
マスク養子縁組行動シミュレーション（ソーシャル）、パーソナルモビリティ生成（物理的）、ユーザーモデリング（サイバー）などの多様なCPSタスク全体の経験的評価を通じて、社会は、人間の介入を減らした高フィ性のスケーラブルなシミュレーションを生成する能力を実証します。
これらの結果は、複雑なCPS現象を研究するためのスケーラブルなソリューションを提供する社会の可能性を強調しています

要約(オリジナル)

This paper introduces SOCIA (Simulation Orchestration for Cyber-physical-social Intelligence and Agents), a novel end-to-end framework leveraging Large Language Model (LLM)-based multi-agent systems to automate the generation of high-fidelity Cyber-Physical-Social (CPS) simulators. Addressing the challenges of labor-intensive manual simulator development and complex data calibration, SOCIA integrates a centralized orchestration manager that coordinates specialized agents for tasks including data comprehension, code generation, simulation execution, and iterative evaluation-feedback loops. Through empirical evaluations across diverse CPS tasks, such as mask adoption behavior simulation (social), personal mobility generation (physical), and user modeling (cyber), SOCIA demonstrates its ability to produce high-fidelity, scalable simulations with reduced human intervention. These results highlight SOCIA’s potential to offer a scalable solution for studying complex CPS phenomena

arxiv情報

提供元, 利用サービス

arxiv.jp, Google