Fugu-MT 論文翻訳(概要): Interpretable Emergent Language Using Inter-Agent Transformers

論文の概要: Interpretable Emergent Language Using Inter-Agent Transformers

arxiv url: http://arxiv.org/abs/2505.02215v1
Date: Sun, 04 May 2025 18:57:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-06 18:49:35.489627
Title: Interpretable Emergent Language Using Inter-Agent Transformers
Title（参考訳）: エージェント間変換器を用いた解釈可能な創発言語
Authors: Mannan Bhardwaj,
Abstract要約: 本稿では,変圧器を用いたマルチエージェント強化学習における言語の出現について検討する。本稿では, 自己認識を利用して, 記号的, 人間の理解可能な通信プロトコルを学習する, 微分可能言語間変換器を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper explores the emergence of language in multi-agent reinforcement learning (MARL) using transformers. Existing methods such as RIAL, DIAL, and CommNet enable agent communication but lack interpretability. We propose Differentiable Inter-Agent Transformers (DIAT), which leverage self-attention to learn symbolic, human-understandable communication protocols. Through experiments, DIAT demonstrates the ability to encode observations into interpretable vocabularies and meaningful embeddings, effectively solving cooperative tasks. These results highlight the potential of DIAT for interpretable communication in complex multi-agent environments.
Abstract（参考訳）: 本稿では,変換器を用いたマルチエージェント強化学習(MARL)における言語の発生について検討する。 RIAL、DIAL、CommunNetといった既存の手法はエージェント通信を可能にするが、解釈性に欠ける。本稿では、自己認識を利用して、シンボル的、人間に理解可能な通信プロトコルを学習する差別化可能なインターエージェントトランスフォーマー(DIAT)を提案する。実験を通じて、DIATは観察結果を解釈可能な語彙や意味のある埋め込みにエンコードする能力を示し、協調的なタスクを効果的に解決する。これらの結果は、複雑なマルチエージェント環境における解釈可能な通信におけるDIATの可能性を強調している。

関連論文リスト

Exponential Topology-enabled Scalable Communication in Multi-agent Reinforcement Learning [9.48183472865413]
協調型マルチエージェント強化学習(MARL)のためのスケーラブルな通信プロトコルを開発する。本稿では,この指数的トポロジを利用して,その小径特性と小径特性を活用し,エージェント間の迅速な情報伝達を実現することを提案する。 MAgentやInfrastructure Management Planningといった大規模協調型ベンチマークの実験は、ExpoCommの優れた性能と堅牢なゼロショット転送性を示している。
論文参考訳（メタデータ） (2025-02-27T03:15:31Z)
Bidirectional Emergent Language in Situated Environments [4.950411915351642]
マルチエージェントポンとコレクターの2つの新しい協調環境を紹介した。最適なパフォーマンスには通信プロトコルの出現が必要ですが、適度な成功はそれなしで達成できます。エージェントは意味のあるメッセージのみを生成し、調整なしでは成功できない状態の受信メッセージに作用する。
論文参考訳（メタデータ） (2024-08-26T21:25:44Z)
Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
論文参考訳（メタデータ） (2024-08-07T14:32:36Z)
Verco: Learning Coordinated Verbal Communication for Multi-agent Reinforcement Learning [42.27106057372819]
本稿では,大規模言語モデルをエージェントに組み込むマルチエージェント強化学習アルゴリズムを提案する。フレームワークにはメッセージモジュールとアクションモジュールがある。オーバークッキングゲームで行った実験は,既存の手法の学習効率と性能を大幅に向上させることを示した。
論文参考訳（メタデータ） (2024-04-27T05:10:33Z)
SpeechAgents: Human-Communication Simulation with Multi-Modal Multi-Agent Systems [53.94772445896213]
大規模言語モデル(LLM)に基づくマルチエージェントシステムは,人間の社会をシミュレートする上で有望な性能を示した。本研究では,マルチモーダルLLMに基づくマルチエージェントシステムであるSpeechAgentsを提案する。
論文参考訳（メタデータ） (2024-01-08T15:01:08Z)
Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
論文参考訳（メタデータ） (2023-07-05T17:59:27Z)
Learning to Ground Multi-Agent Communication with Autoencoders [43.22048280036316]
コミュニケーションには共通言語であるラングア・フランカがエージェント間で必要である。学習した表現において、言語を基底とする簡単な方法を示す。標準表現学習アルゴリズムは,共通言語に到達するのに十分であることがわかった。
論文参考訳（メタデータ） (2021-10-28T17:57:26Z)
Learning Emergent Discrete Message Communication for Cooperative Reinforcement Learning [36.468498804251574]
離散メッセージ通信は連続メッセージ通信に匹敵する性能を有することを示す。エージェントに離散的なメッセージを対話的に送信できるアプローチを提案します。
論文参考訳（メタデータ） (2021-02-24T20:44:14Z)
VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
論文参考訳（メタデータ） (2020-10-30T03:41:38Z)
Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-11T07:19:45Z)
Emergence of Pragmatics from Referential Game between Theory of Mind Agents [64.25696237463397]
エージェントが手書きのルールを指定せずに「行間を読む」能力を自発的に学習するアルゴリズムを提案する。協調型マルチエージェント教育状況における心の理論(ToM)を統合し,適応型強化学習(RL)アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-01-21T19:37:33Z)

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。