論文の概要: A Graph-Theoretical Perspective on Law Design for Multiagent Systems

• arxiv url: http://arxiv.org/abs/2511.06361v1
• Date: Sun, 09 Nov 2025 12:46:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.903442
• Title: A Graph-Theoretical Perspective on Law Design for Multiagent Systems
• Title（参考訳）: マルチエージェントシステムの法則設計に関するグラフ論的考察
• Authors: Qi Shi, Pavel Naumov,
• Abstract要約: 我々は,最小限の制約を課すことで,所望の結果を得る法則を見つけることの問題点を考察する。 いずれの法則においても、ワンショット同時処理の単純な場合であっても、最小化問題はNPハードであることを示す。
• 参考スコア（独自算出の注目度）: 20.723426900444007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A law in a multiagent system is a set of constraints imposed on agents' behaviours to avoid undesirable outcomes. The paper considers two types of laws: useful laws that, if followed, completely eliminate the undesirable outcomes and gap-free laws that guarantee that at least one agent can be held responsible each time an undesirable outcome occurs. In both cases, we study the problem of finding a law that achieves the desired result by imposing the minimum restrictions. We prove that, for both types of laws, the minimisation problem is NP-hard even in the simple case of one-shot concurrent interactions. We also show that the approximation algorithm for the vertex cover problem in hypergraphs could be used to efficiently approximate the minimum laws in both cases.
• Abstract（参考訳）: マルチエージェントシステムにおける法則は、望ましくない結果を避けるためにエージェントの行動に課される一連の制約である。 論文では、もし従えば、望ましくない結果を完全に排除する有用な法則と、望ましくない結果が発生するたびに少なくとも1つのエージェントが責任を負うことを保証するギャップのない法則の2つを考察する。 いずれの場合も、最小限の制約を課すことで、所望の結果を得る法則を見つけるという課題を考察する。 いずれの法則に対しても、単発同時相互作用の単純な場合であっても最小化問題はNPハードであることを示す。 また、ハイパーグラフにおける頂点被覆問題の近似アルゴリズムを用いて、両方の場合の最小法則を効率的に近似できることを示した。

関連論文リスト

• Provable Scaling Laws for the Test-Time Compute of Large Language Models [84.00141420901038]
  本研究では,大規模言語モデルのテスト時間計算において,証明可能なスケーリング法則を享受する2つのアルゴリズムを提案する。 1つは2段階ノックアウト方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。 もう1つは2段階のリーグ方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。
  論文  参考訳（メタデータ） (2024-11-29T05:29:47Z)
• Are Bounded Contracts Learnable and Approximately Optimal? [8.121834515103243]
  本稿では,主エージェントが契約を用いてプロジェクトに取り組む動機付けを行う,主エージェント問題の隠れアクションモデルについて考察する。 本研究では,有界決済契約が学習可能か,ほぼ最適かを検討する。
  論文  参考訳（メタデータ） (2024-02-22T12:19:19Z)
• Algorithmic Randomness and Probabilistic Laws [0.0]
  我々は,確率論的自然法則を特徴付けるために,アルゴリズム的ランダム性を利用する2つの方法を開発した。 第一に、生成的チャンス*法則は、非標準的チャンスの概念を用いる。 第二に、確率的*制約法は、全ての物理的に可能な世界が満たさなければならない相対的な頻度と制約を課す。
  論文  参考訳（メタデータ） (2023-03-02T17:00:40Z)
• Machine Learning with Probabilistic Law Discovery: A Concise Introduction [77.34726150561087]
  Probabilistic Law Discovery (PLD) は、確率論的ルール学習の変種を実装した論理ベースの機械学習手法である。 PLDはDecision Tree/Random Forestメソッドに近いが、関連するルールの定義方法に大きく異なる。 本稿はPLDの主な原則を概説し、その利点と限界を強調し、いくつかのアプリケーションガイドラインを提供する。
  論文  参考訳（メタデータ） (2022-12-22T17:40:13Z)
• Interpreting Primal-Dual Algorithms for Constrained Multiagent Reinforcement Learning [4.67306371596399]
  ほとんどのC-MARLアルゴリズムは、報酬に付加されるペナルティ関数を通じて制約を強制するために、プリマル・デュアルアプローチを使用する。 制約関数をペナルティとして使用する標準的な慣行が安全性の弱い概念に繋がることを示す。 本稿では,制約付きマルチエージェント・アドバンスト・アクター・アトラクション (C-MAA2C) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-29T10:23:26Z)
• Unpacking the Black Box: Regulating Algorithmic Decisions [1.283555556182245]
  本稿では,貸付,医療検査,雇用などの高額なアプリケーションで使用される「ブラックボックス」アルゴリズムの監視モデルを提案する。 複雑なアルゴリズムを許すことは、福祉を改善することができるが、その利益は規制当局の規制方法に依存する。
  論文  参考訳（メタデータ） (2021-10-05T23:20:25Z)
• From Checking to Inference: Actual Causality Computations as Optimization Problems [79.87179017975235]
  本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。 8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
  論文  参考訳（メタデータ） (2020-06-05T10:56:52Z)

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。