論文の概要: AgentCDM: Enhancing Multi-Agent Collaborative Decision-Making via ACH-Inspired Structured Reasoning

• arxiv url: http://arxiv.org/abs/2508.11995v1
• Date: Sat, 16 Aug 2025 09:46:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.506093
• Title: AgentCDM: Enhancing Multi-Agent Collaborative Decision-Making via ACH-Inspired Structured Reasoning
• Title（参考訳）: AgentCDM: ACHにインスパイアされた構造化推論による多エージェント協調決定の強化
• Authors: Xuyang Zhao, Shiwan Zhao, Hualong Yu, Liting Zhang, Qicheng Li,
• Abstract要約: AgentCDMはマルチエージェントシステムにおける協調的意思決定を強化するための構造化フレームワークである。 認知バイアスを内部化し、意思決定を受動的回答の選択からアクティブな仮説評価と構築へとシフトさせる。 複数のベンチマークデータセットの実験は、AgentCDMが最先端のパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 8.566904810788213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent systems (MAS) powered by large language models (LLMs) hold significant promise for solving complex decision-making tasks. However, the core process of collaborative decision-making (CDM) within these systems remains underexplored. Existing approaches often rely on either ``dictatorial" strategies that are vulnerable to the cognitive biases of a single agent, or ``voting-based" methods that fail to fully harness collective intelligence. To address these limitations, we propose \textbf{AgentCDM}, a structured framework for enhancing collaborative decision-making in LLM-based multi-agent systems. Drawing inspiration from the Analysis of Competing Hypotheses (ACH) in cognitive science, AgentCDM introduces a structured reasoning paradigm that systematically mitigates cognitive biases and shifts decision-making from passive answer selection to active hypothesis evaluation and construction. To internalize this reasoning process, we develop a two-stage training paradigm: the first stage uses explicit ACH-inspired scaffolding to guide the model through structured reasoning, while the second stage progressively removes this scaffolding to encourage autonomous generalization. Experiments on multiple benchmark datasets demonstrate that AgentCDM achieves state-of-the-art performance and exhibits strong generalization, validating its effectiveness in improving the quality and robustness of collaborative decisions in MAS.
• Abstract（参考訳）: 大規模言語モデル(LLM)を利用したマルチエージェントシステム(MAS)は、複雑な意思決定タスクを解く上で大きな可能性を秘めている。 しかし、これらのシステムにおける協調意思決定(CDM)の中核的なプロセスはいまだ未解明のままである。 既存のアプローチは、単一のエージェントの認知バイアスに弱い「独裁的」戦略と、集団知性を十分に活用できない「投票に基づく」手法のいずれかに依存していることが多い。 これらの制約に対処するため、LLMベースのマルチエージェントシステムにおける協調的意思決定を強化するための構造化フレームワークである「textbf{AgentCDM}」を提案する。 エージェントCDMは、認知科学における競合仮説の分析(ACH)からインスピレーションを得て、認知バイアスを体系的に緩和し、意思決定を受動的回答の選択からアクティブな仮説評価と構築に移行する構造化推論パラダイムを導入した。 この推論過程を内在化するために、第1段階は明示的なACHにインスパイアされた足場を用いて構造的推論を導出し、第2段階は段階的にこの足場を除去し、自律的な一般化を促進する2段階の訓練パラダイムを開発する。 複数のベンチマークデータセットの実験では、AgentCDMは最先端のパフォーマンスを達成し、強力な一般化を示し、MASにおける協調決定の品質と堅牢性を改善する効果を検証している。

関連論文リスト

• Beyond Frameworks: Unpacking Collaboration Strategies in Multi-Agent Systems [29.924868489451327]
  本研究では,協力戦略の4つの側面を体系的に検討する。 我々はこれらの戦略がタスク精度と計算効率の両方に与える影響を定量化する。 この研究は適応的でスケーラブルなマルチエージェントシステムを設計するための基盤を確立する。
  論文  参考訳（メタデータ） (2025-05-18T15:46:14Z)
• DSADF: Thinking Fast and Slow for Decision Making [9.84593001541736]
  RLエージェントと高速かつ直感的な意思決定のためのメモリ空間からなるシステム1と、深く解析的な推論のためのVLMによって駆動されるシステム2の2つの補完モジュールを統合するためのデュアルシステム適応決定フレームワーク(DSADF)を提案する。
  論文  参考訳（メタデータ） (2025-05-13T02:58:04Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning [53.817538122688944]
  Reinforced Meta-thinking Agents (ReMA) を導入し,Large Language Models (LLMs) の推論からメタ思考行動を求める。 ReMAは、推論プロセスを2つの階層的なエージェントに分解する。戦略上の監視と計画を生成するハイレベルなメタ思考エージェントと、詳細な実行のための低レベルな推論エージェントである。 単ターン実験による実験結果から、ReMAは複雑な推論タスクにおいて単エージェントRLベースラインよりも優れることが示された。
  論文  参考訳（メタデータ） (2025-03-12T16:05:31Z)

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。