2026年4月4日にarXivに投稿された論文（番号2605.20192）は、大規模言語モデルを活用した感情分析とマルチモーダルな金融データを組み合わせ、仮想世界経済における暗号通貨の価格予測を改善する方法を探っている。対象は、拡大するメタバースエコシステム内で動作する分散型仮想現実プラットフォーム、Decentralandである。そのネイティブトークンであるMANAは、仮想資産の取引とガバナンスに使用されている。
Xintong Wu氏ら6名の著者によるこの研究は、二つの課題に取り組んでいる。第一に、DecentralandのDiscordコミュニティ内の感情パターンを特定すること。第二に、マルチモーダル特徴がトークンのリターン予測に与える影響を評価することである。研究チームはBERTベースの大規模言語モデルを感情分析に採用し、二つのLSTMアーキテクチャを開発した。一つは過去の価格のみを使用するベースラインモデル、もう一つは感情スコア、取引量、時価総額を統合したマルチモーダル変種である。
結果として、DecentralandのDiscordコミュニティの感情は主に中立であるが、正の方向に偏っていることが示された。さらに重要なことに、マルチモーダルモデルは予測精度において価格のみのベースラインモデルを有意に上回った。これは、コミュニティ由来のシグナルが仮想経済の予測に実際的な価値を持つことを示しており、没入型仮想環境、自然言語処理、暗号通貨市場分析の交差領域における今後の研究の基盤を築くものである。
本論文は計算と言語（cs.CL）分野に分類され、arXivからPDFおよび実験的なHTML版で全文を入手できる。研究は、コミュニティの感情と金融指標を組み合わせたマルチモーダル手法が仮想世界の経済学において持つ可能性を強調し、この学際的方向性の出発点となることを示している。