PersonaTwin:個人化ディジタル双子の生成および評価のための多層即時条件付けフレームワーク【JST機械翻訳】

Chen Sihan; Lalor John P.; Yang Yi; Abbasi Ahmed

プレプリント

J-GLOBAL ID：202502206258708435 整理番号：25P0213813

PersonaTwin:個人化ディジタル双子の生成および評価のための多層即時条件付けフレームワーク【JST機械翻訳】

PersonaTwin: A Multi-Tier Prompt Conditioning Framework for Generating and Evaluating Personalized Digital Twins

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (4件)： , , ,
資料名：
発行年： 2025年07月30日プレプリントサーバーでの情報更新日： 2025年08月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

大規模言語モデル(LLMs)は,ユーザモデリングと人間行動の近似に対する新しい可能性を与えるが,それらはしばしば,個々のユーザの多次元ニュアンスを捉えることができない。本研究では,人口統計学,行動,および心理測定データを統合することにより,適応型ディジタル双生児を構築する多層即時条件付けフレームワークであるPersonaTwinを提案した。8500人以上の個人の健康管理コンテキストにおける包括的データセットを用いて,標準的LLM出力に対してPersonaTwinを体系的にベンチマークし,ここでの厳密な評価により,専用人口統計学的パリティ評価を用いて最先端のテキスト類似度メトリックスを統合し,生成された応答が高精度でバイアス無しのままであることを保証した。実験結果は,提案フレームワークがオラクル設定と同等のシミュレーション忠実度を生成することを示した。さらに,ペルソナツイン上で訓練された下流モデルは,GPT-4oベースおよびLlamaベースモデルの両者にまたがる予測および公平性メトリックスの意味で個人上で訓練されたモデルを近似する。まとめると,これらの知見は,現実的で感情的に微妙なユーザシミュレーションの生成におけるLLMディジタルツインベースアプローチの可能性を強調し,個人化ディジタルユーザモデリングおよび行動解析のための強力なツールを提供する。【JST機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

数値計算 , 移動通信 , その他の情報処理 , その他のオペレーションズリサーチの手法 , 自然語処理

, , , , , ,

ライセンス情報：

前のページに戻る