組織化された集団の行動をシミュレーションする：新しいフレームワーク、ベンチマーク、分析

要旨: 組織化された集団（例：企業）が意思決定（例：競合の動きへの対応）をどのように行うかをシミュレートすることは、現実世界のダイナミクスを理解するうえで不可欠であり、関連する応用（例：市場予測）にも役立つ可能性がある。本論文では、この問題を集団行動理解のための具体的な研究プラットフォームとして形式化し、次を提供する：（1）ベンチマークと評価基準を備えたタスク定義、（2）対応するアルゴリズムを伴う構造化された分析フレームワーク、（3）詳細な時間的分析と集団間分析。具体的には、実践的な観点から、組織化された集団を集合的な主体としてモデル化するタスク「Organized Group Behavior Simulation（組織化集団行動シミュレーション）」を提案する。すなわち、特定の状況（例：AIブーム）に直面した集団がとるであろう意思決定を予測する。これを支えるために、GROVE（GRoup Organizational BehaVior Evaluation）を提示する。GROVEは、9つのドメインにわたりWikipediaとTechCrunchから収集した8,052件の実世界の文脈—意思決定ペアを含む44のエンティティをカバーするベンチマークであり、整合性、イニシアチブ（主導性）、スコープ（範囲）、マグニチュード（大きさ）、ホライズン（予見・期間）を評価するエンドツーエンドの評価プロトコルを備えている。単純なプロンプト手法のパイプラインにとどまらず、集団的な意思決定イベントを、解釈可能で適応的かつ追跡可能な行動モデルへと変換する構造化された分析フレームワークを提案し、要約ベースおよび検索ベースのベースラインよりも強い性能を達成する。さらに、時間を考慮した進化と集団を意識した転移のためのアダプタ機構を導入し、各意思決定規則を、それが由来する歴史的イベントに結び付ける追跡可能なエビデンス・ノードを導入する。我々の分析により、各集団内における時間的な行動ドリフト（行動の時間変化）が明らかになり、時間を考慮したアダプタは、より強い予測のためにこの変化を効果的に捉えることが示される。加えて、データが乏しい組織に対して知識転移を可能にする、構造化された集団間の類似性も明らかにする。