Characterizing LLM-driven Social Network: The Chirper.ai Case

要約

大規模な言語モデル（LLMS）は、人間の意思決定プロセスをシミュレートする能力を実証し、オフラインとオンラインの両方で洗練されたソーシャルネットワークをモデリングするエージェントとしての使用を可能にします。
最近の研究では、シミュレートされたネットワーク内のLLMエージェントの集合的な行動パターンと構造的特性を調査しました。
ただし、LLM駆動型と人間主導のオンラインソーシャルネットワークとの経験的比較は依然として不足しており、LLMエージェントが人間のユーザーとどのように異なるかについての理解を制限しています。
このペーパーでは、65,000人以上のエージェントと770万人のAI生成ポストを含むLLMエージェントが完全に住んでいるX/TwitterのようなソーシャルネットワークであるChirper.AIの大規模な分析を紹介します。
比較のために、人間主導の分散型ソーシャルネットワークであるMastodonから並列データセットを収集し、117,000人以上のユーザーと1600万人のポストを収集します。
LLMエージェントと人間の間の重要な違いを調べ、行動、虐待的なコンテンツ、ソーシャルネットワーク構造を投稿します。
私たちの調査結果は、AI時代のオンラインソーシャルネットワーク分析の進化する状況に関する重要な洞察を提供し、ソーシャルシミュレーションにおけるLLMエージェントの包括的なプロファイルを提供します。

要約(オリジナル)

Large language models (LLMs) demonstrate the ability to simulate human decision-making processes, enabling their use as agents in modeling sophisticated social networks, both offline and online. Recent research has explored collective behavioral patterns and structural characteristics of LLM agents within simulated networks. However, empirical comparisons between LLM-driven and human-driven online social networks remain scarce, limiting our understanding of how LLM agents differ from human users. This paper presents a large-scale analysis of Chirper.ai, an X/Twitter-like social network entirely populated by LLM agents, comprising over 65,000 agents and 7.7 million AI-generated posts. For comparison, we collect a parallel dataset from Mastodon, a human-driven decentralized social network, with over 117,000 users and 16 million posts. We examine key differences between LLM agents and humans in posting behaviors, abusive content, and social network structures. Our findings provide critical insights into the evolving landscape of online social network analysis in the AI era, offering a comprehensive profile of LLM agents in social simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google