診断と制御の分離：LLMベースの診断によるエージェントベースシミュレーションにおける監査可能なポリシー適応

概要: 高齢者の孤独を緩和するには、適応性と監査可能性の両方を実現する政策介入が必要である。既存の手法は、これらの目的を両立させることに苦慮している。すなわち、従来のエージェントベースモデルは静的な硬直性に悩まされる一方、直接的な大規模言語モデル（LLM）コントローラは本質的な追跡可能性を欠いている。本研究では、診断と制御を分離する3層の枠組みを提案し、両方の性質を同時に達成する。本枠組みでは、LLMは集団の状態を評価し、構造化されたリスク評価を生成する厳密な診断装置としてのみ機能する。一方、明示的な境界を伴う決定論的な数式が、これらの評価を追跡可能なパラメータ更新へと変換する。この分離により、すべての政策決定が検査可能な規則に帰属づけられる一方で、創発するニーズに対する適応的な応答を維持できる。本枠組みを、高齢者ケアのシミュレーションにおいて5つの実験条件にわたる体系的なアブレーション（要素除去）によって検証する。結果は、明示的な制御規則が、エンドツーエンドのブラックボックスLLMアプローチに対して11.7
%上回る一方で、完全な監査可能性を維持することを示し、透明性は適応的性能を損なう必要がないことを確認する。