論文の概要: Subjective Knowledge and Reasoning about Agents in Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2001.08016v1
• Date: Wed, 22 Jan 2020 13:50:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 18:48:41.614341
• Title: Subjective Knowledge and Reasoning about Agents in Multi-Agent Systems
• Title（参考訳）: 多エージェントシステムにおけるエージェントの主観的知識と推論
• Authors: Shikha Singh, Deepak Khemani
• Abstract要約: 多エージェントシステムでは、エージェントは他のエージェントの精神状態に影響を与える可能性がある。 本稿では,エージェントの主観的知識に基づいて,Kripke構造に基づくてんかんモデルを拡張して,上記の概念を表現する方法について検討する。
• 参考スコア（独自算出の注目度）: 5.983405936883194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Though a lot of work in multi-agent systems is focused on reasoning about knowledge and beliefs of artificial agents, an explicit representation and reasoning about the presence/absence of agents, especially in the scenarios where agents may be unaware of other agents joining in or going offline in a multi-agent system, leading to partial knowledge/asymmetric knowledge of the agents is mostly overlooked by the MAS community. Such scenarios lay the foundations of cases where an agent can influence other agents' mental states by (mis)informing them about the presence/absence of collaborators or adversaries. In this paper, we investigate how Kripke structure-based epistemic models can be extended to express the above notion based on an agent's subjective knowledge and we discuss the challenges that come along.
• Abstract（参考訳）: 多エージェントシステムにおける多くの研究は、人工エージェントの知識と信念について推論することに焦点を当てているが、特にエージェントがマルチエージェントシステムに他のエージェントが加わったり、オフラインになったりすることを知らない場合において、エージェントの存在/存在を明示的な表現と推論は、エージェントの部分的な知識/非対称的な知識をMASコミュニティがほとんど見落としている。 このようなシナリオは、エージェントが他のエージェントの精神状態に影響を与えうる場合の基礎を、協力者や敵の存在を知らせる(ミス)。 本稿では, エージェントの主観的知識に基づいて, 上記の概念を表現するために, クリプキ構造に基づくてんかんモデルをどのように拡張できるかを検討する。

関連論文リスト

• Multi-Agents are Social Groups: Investigating Social Influence of Multiple Agents in Human-Agent Interactions [7.421573539569854]
  我々は,AIエージェントの集団が,ユーザに対して同意を求める社会的プレッシャーを生じさせるかどうかを検討する。 その結果、複数のエージェントと会話することで、参加者が感じた社会的プレッシャーが増すことがわかった。 本研究は, 単一エージェントプラットフォームに対するマルチエージェントシステムの潜在的利点が, 意見変化を引き起こす可能性を示唆している。
  論文  参考訳（メタデータ） (2024-11-07T10:00:46Z)
• Inverse Attention Agent for Multi-Agent System [6.196239958087161]
  マルチエージェントシステムにとって大きな課題は、エージェントが対戦相手やチームメイトが継続的に変化する様々な環境に動的に適応できるようにすることである。 本稿では、心の理論から概念を取り入れた逆注意エージェントを導入し、注意機構を用いてアルゴリズムで実装し、エンドツーエンドで訓練する。 逆アテンションネットワークが他のエージェントのアテンションを推測することに成功し、この情報によってエージェントのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2024-10-29T06:59:11Z)
• On the Resilience of Multi-Agent Systems with Malicious Agents [58.79302663733702]
  本稿では,悪意のあるエージェント下でのマルチエージェントシステムのレジリエンスについて検討する。 我々は、任意のエージェントを悪意のあるエージェントに変換する2つの方法、AutoTransformとAutoInjectを考案した。 各エージェントが他のエージェントの出力に挑戦するためのメカニズムを導入するか、あるいはメッセージのレビューと修正を行う追加のエージェントを導入することで、システムのレジリエンスを高めることができることを示す。
  論文  参考訳（メタデータ） (2024-08-02T03:25:20Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは進化的アルゴリズムによって専門家エージェントをマルチエージェントシステムに自動的に拡張する汎用的な手法である。 EvoAgentは複数の専門家エージェントを自動生成し,LLMエージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• PsySafe: A Comprehensive Framework for Psychological-based Attack, Defense, and Evaluation of Multi-agent System Safety [70.84902425123406]
  大規模言語モデル(LLM)で拡張されたマルチエージェントシステムは、集団知能において重要な能力を示す。 しかし、悪意のある目的のためにこのインテリジェンスを誤用する可能性があり、重大なリスクが生じる。 本研究では,エージェント心理学を基盤とした枠組み(PsySafe)を提案し,エージェントのダークパーソナリティ特性がリスク行動にどう影響するかを明らかにする。 実験の結果,エージェント間の集団的危険行動,エージェントが危険な行動を行う際の自己反射,エージェントの心理的評価と危険な行動との相関など,いくつかの興味深い現象が明らかになった。
  論文  参考訳（メタデータ） (2024-01-22T12:11:55Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• Diversifying Agent's Behaviors in Interactive Decision Models [11.125175635860169]
  他のエージェントの振る舞いをモデル化することは、複数のエージェント間の相互作用に関する決定モデルにおいて重要な役割を果たす。 本稿では,その相互作用に先立って,被験者の意思決定モデルにおける他のエージェントの行動の多様化について検討する。
  論文  参考訳（メタデータ） (2022-03-06T23:05:00Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)
• Multi-Agent Systems based on Contextual Defeasible Logic considering Focus [0.0]
  我々は Contextual Defeasible Logic (CDL) を用いた分散推論に関する以前の研究を拡張した。 この研究は、エージェントがローカル知識ベースとマッピングルールで推論できるCDLに基づくマルチエージェントモデルを示す。 本稿では,BDI(Belief-Desire-Intention)エージェントモデルに基づくユースケースシナリオ,提案するモデルの形式化,および初期実装について述べる。
  論文  参考訳（メタデータ） (2020-10-01T01:50:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。