arXiv cs.MAは2026年11月4日(現地時間)、大規模言語モデル (LLM) を社会シミュレーションのエージェントとして活用する際の課題について、新たな研究成果を発表した。研究によると、LLMエージェントはプロンプトのわずかな変更で挙動が大きく変動する脆さを持つことが指摘されており、この検証上の問題に対処するため、コンテキスト（文脈）の拡充と選択的頑健性という二つの概念に基づいたフレームワークを提案している。
マッティア・グレイチェ (Mattia Greiche) 氏、レイハネ・ラバニー (Reihaneh Rabbany) 氏、マクシミリアン・プエルマ・トゥーゼル (Maximilian Puelma Touzel) 氏らが発表したこの研究は、大規模言語モデル（LLM）エージェントが観測結果や背景情報に基づいて行動を形成する状況において、プロンプトのわずかなバリエーションによって行動が大きく変化するという検証上の問題を提起している。研究チームは、このLLMエージェントの脆さが、エージェントが置かれた状況やタスクに対する「グラウンディング（基礎づけ）」の不足に起因するという仮説に基づき、エージェントに提供されるコンテキストを拡充することで頑健性を向上できる可能性を探った。
この課題に対処するため、研究チームは「制御されたコンテキスト拡充」と「選択的頑健性」という二つの主要な概念に基づく新たなフレームワークを導入した。
「制御されたコンテキスト拡充」は、中立的なパディング、一般的な社会的背景、記述的な意思決定グラウンディング、規範的な意思決定グラウンディングといった異なるタイプのコンテキストを体系的に追加するプロンプト置換ルール群として定義される。これにより、エージェントはより豊かで多角的な情報に基づいて意思決定を行うことが期待される。
一方、「選択的頑健性」は、意味を保つプロンプトの変動に対する非感受性（安定性）と、意思決定に関連する社会的世界の変化に対する方向性のある応答（適応性）を組み合わせた検証基準として提示された。これは、エージェントが不要なノイズには動じず、関連する重要な情報には適切に反応するという理想的な挙動を目指すものである。
このフレームワークは、囚人のジレンマに類似したゲームを通じて実証された。実験では、どの形式のコンテキスト拡充がより望ましく、頑健なエージェント挙動を生み出すかを特定するのに有用であることが示された。また、テストされた二つの異なるモデル間では、これらの拡充形式がそれぞれ異なる行動パターンを生み出すことが確認されている。この研究は、LLMエージェントが複雑な社会シミュレーションにおいてより安定し、信頼性の高い挙動を示すための基盤を築くものとして、2026年のNeurIPS（ニューリップス）のSocialAgent Workshopで受理された。
参考: arXiv cs.MA (アーカイブ) — 2026年11月5日 03:58 (JST)
原文ハイライト"A Framework for Context Enrichment and Selective Robustness in LLM Social Agents"