Fugu-MT 論文翻訳(概要): H-NeiFi: Non-Invasive and Consensus-Efficient Multi-Agent Opinion Guidance

論文の概要: H-NeiFi: Non-Invasive and Consensus-Efficient Multi-Agent Opinion Guidance

arxiv url: http://arxiv.org/abs/2507.13370v1
Date: Fri, 11 Jul 2025 09:56:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-21 20:43:26.038893
Title: H-NeiFi: Non-Invasive and Consensus-Efficient Multi-Agent Opinion Guidance
Title（参考訳）: H-NeiFi:非侵襲的で合意効率の良いマルチエージェントオピニオンガイダンス
Authors: Shijun Guo, Haoran Xu, Yaming Yang, Ziyu Guan, Wei Zhao, Xinyi Zhang, Yishan Song, Jiwei Chen,
Abstract要約: 既存のメソッドは、しばしばユーザービューを直接変更したり、グループ間の接続を強制する。我々は階層的で非侵襲的な意見誘導フレームワークH-NeiFiを提案する。実験の結果、H-NeiFiは専門家がいない場合でもコンセンサス速度を22.0%から30.7%増加させ、世界的な収束を維持していることがわかった。
参考スコア（独自算出の注目度）: 27.14527961692915
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The openness of social media enables the free exchange of opinions, but it also presents challenges in guiding opinion evolution towards global consensus. Existing methods often directly modify user views or enforce cross-group connections. These intrusive interventions undermine user autonomy, provoke psychological resistance, and reduce the efficiency of global consensus. Additionally, due to the lack of a long-term perspective, promoting local consensus often exacerbates divisions at the macro level. To address these issues, we propose the hierarchical, non-intrusive opinion guidance framework, H-NeiFi. It first establishes a two-layer dynamic model based on social roles, considering the behavioral characteristics of both experts and non-experts. Additionally, we introduce a non-intrusive neighbor filtering method that adaptively controls user communication channels. Using multi-agent reinforcement learning (MARL), we optimize information propagation paths through a long-term reward function, avoiding direct interference with user interactions. Experiments show that H-NeiFi increases consensus speed by 22.0% to 30.7% and maintains global convergence even in the absence of experts. This approach enables natural and efficient consensus guidance by protecting user interaction autonomy, offering a new paradigm for social network governance.
Abstract（参考訳）: ソーシャルメディアのオープン性は意見の自由交換を可能にするが、グローバルコンセンサスに向けた意見の進化を導く上での課題も提示する。既存のメソッドは、しばしばユーザービューを直接変更したり、グループ間の接続を強制する。これらの侵入的介入は、ユーザーの自律性を損ね、心理的抵抗を引き起こし、グローバルコンセンサスの効率を低下させる。さらに、長期的な視点が欠如しているため、局所的なコンセンサスの促進はマクロレベルでの分割を悪化させることが多い。これらの問題に対処するために、階層的で非侵襲的な意見誘導フレームワークH-NeiFiを提案する。まず、専門家と非専門家の両方の行動特性を考慮し、社会的役割に基づく2層動的モデルを確立する。さらに,ユーザ通信チャネルを適応的に制御する非侵入的隣接フィルタリング手法を提案する。マルチエージェント強化学習(MARL)を用いて,長期報酬関数による情報伝達経路を最適化し,ユーザインタラクションへの直接干渉を回避する。実験の結果、H-NeiFiは専門家がいない場合でもコンセンサス速度を22.0%から30.7%増加させ、世界的な収束を維持していることがわかった。このアプローチは、ユーザインタラクションの自律性を保護することによって、自然かつ効率的なコンセンサスガイダンスを可能にし、ソーシャルネットワークガバナンスの新しいパラダイムを提供する。

関連論文リスト

Adaptive XAI in High Stakes Environments: Modeling Swift Trust with Multimodal Feedback in Human AI Teams [2.9629704451989802]
本稿では,ユーザのリアルタイム認知・感情状態に反応して非侵襲的に機能する適応型XAIの概念的枠組みを提案する。中心となるのは、ワークロード、ストレス、感情を動的信頼推定にマッピングする、多目的でパーソナライズされた信頼推定モデルである。
論文参考訳（メタデータ） (2025-07-25T01:39:55Z)
Fair Deepfake Detectors Can Generalize [51.21167546843708]
共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
論文参考訳（メタデータ） (2025-07-03T14:10:02Z)
Reasoning LLMs for User-Aware Multimodal Conversational Agents [3.533721662684487]
社会ロボティクスにおけるパーソナライゼーションは、効果的な人間とロボットの相互作用を促進するために重要である。本稿では,ユーザ認識型対話エージェントのための新しいフレームワークUSER-LLM R1を提案する。提案手法では,チェーン・オブ・シンク(CoT)推論モデルを統合し,ユーザの好みや視覚言語モデルを反復的に推測する。
論文参考訳（メタデータ） (2025-04-02T13:00:17Z)
Bridging Social Psychology and LLM Reasoning: Conflict-Aware Meta-Review Generation via Cognitive Alignment [35.82355113500509]
大規模言語モデル(LLM)は、原稿批評の自動化において有望であることを示す。既存の方法は、異なる意見の中で矛盾する視点を扱うのに失敗する。本稿では,LLMを適応的な科学的調停器に変換する2プロセスアーキテクチャであるCognitive Alignment Framework(CAF)を提案する。
論文参考訳（メタデータ） (2025-03-18T04:13:11Z)
AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文参考訳（メタデータ） (2024-01-12T11:18:00Z)
Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-11-27T18:57:42Z)
Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文参考訳（メタデータ） (2023-10-28T05:59:43Z)
Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
論文参考訳（メタデータ） (2023-10-05T21:44:18Z)
Disentangled Contrastive Collaborative Filtering [36.400303346450514]
グラフコントラスト学習(GCL)は、監督ラベル不足問題に対処する上で、強力な性能を示した。本稿では,自己監督型拡張による意図的ゆがみを実現するために,DCCF(Disentangled Contrasative Collaborative Filtering framework)を提案する。我々のDCCFは、絡み合った自己超越信号からより微細な潜伏因子を蒸留できるだけでなく、増大による騒音を軽減することができる。
論文参考訳（メタデータ） (2023-05-04T11:53:38Z)
Extracting Attentive Social Temporal Excitation for Sequential Recommendation [20.51029646194531]
我々は、ソーシャル・テンポラル・エキサイティング・ネットワーク(STEN)と呼ばれる、時間対応のシーケンシャル・レコメンデーション・フレームワークを提案する。 STENは、友人の行動がユーザの動的興味に与えるきめ細かな影響をモデル化するために、時間的ポイントプロセスを導入する。 STENは、イベントレベルのレコメンデーションの説明可能性を提供する。
論文参考訳（メタデータ） (2021-09-28T07:39:31Z)
DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
論文参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。