論文の概要: Cost-Effective Communication: An Auction-based Method for Language Agent Interaction

• arxiv url: http://arxiv.org/abs/2511.13193v1
• Date: Mon, 17 Nov 2025 10:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.1132
• Title: Cost-Effective Communication: An Auction-based Method for Language Agent Interaction
• Title（参考訳）: コスト効果コミュニケーション: 言語エージェントインタラクションのためのオークションベースの方法
• Authors: Yijia Fan, Jusheng Zhang, Kaitong Cai, Jing Yang, Chengpei Tang, Jian Wang, Keze Wang,
• Abstract要約: 本稿では,動的オークションベース言語エージェント(DALA, Dynamic Auction-based Language Agent)について紹介する。 私たちのDALAは、MMLUの84.32%、HumanEvalの91.21%パス@1レートを含む、7つの挑戦的な推論ベンチマークで、最先端のパフォーマンスを新たに達成しています。
• 参考スコア（独自算出の注目度）: 15.493640295624994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems (MAS) built on large language models (LLMs) often suffer from inefficient "free-for-all" communication, leading to exponential token costs and low signal-to-noise ratios that hinder their practical deployment. We challenge the notion that more communication is always beneficial, hypothesizing instead that the core issue is the absence of resource rationality. We argue that "free" communication, by ignoring the principle of scarcity, inherently breeds inefficiency and unnecessary expenses. To address this, we introduce the Dynamic Auction-based Language Agent (DALA), a novel framework that treats communication bandwidth as a scarce and tradable resource. Specifically, our DALA regards inter-agent communication as a centralized auction, where agents learn to bid for the opportunity to speak based on the predicted value density of their messages. Thus, our DALA intrinsically encourages agents to produce concise, informative messages while filtering out low-value communication. Extensive and comprehensive experiments demonstrate that our economically-driven DALA achieves new state-of-the-art performance across seven challenging reasoning benchmarks, including 84.32% on MMLU and a 91.21% pass@1 rate on HumanEval. Note that this is accomplished with remarkable efficiency, i.e., our DALA uses only 6.25 million tokens, a fraction of the resources consumed by current state-of-the-art methods on GSM8K. Further analysis reveals that our DALA cultivates the emergent skill of strategic silence, effectively adapting its communication strategies from verbosity to silence in a dynamical manner via resource constraints.
• Abstract（参考訳）: 大規模言語モデル(LLM)上に構築されたマルチエージェントシステム(MAS)は、しばしば非効率な「すべてのための」コミュニケーションに悩まされ、指数的トークンコストと信号対雑音比が低下し、実際の展開を妨げている。 我々は、より多くのコミュニケーションが常に有益であるという考えに挑戦し、代わりに、中核的な問題はリソースの合理性の欠如である、と仮説を立てる。 我々は「自由」なコミュニケーションは、不足の原則を無視して、本質的に非効率性と不要な費用を生んでいると論じる。 そこで本稿では,通信帯域幅を希少かつトラジブルなリソースとして扱う新しいフレームワークである動的オークションベース言語エージェント(DALA)を紹介する。 具体的には、当社のDALAは、エージェント間のコミュニケーションを中央集権オークションとみなし、エージェントはメッセージの予測値密度に基づいて話す機会の入札を学ぶ。 そこで,我々のDALAは,エージェントに対して,低値通信をフィルタリングしながら,簡潔で情報的なメッセージを生成することを本質的に奨励する。 大規模かつ包括的な実験により、我々の経済主導型DALAは、MMLUの84.32%、HumanEvalの91.21%パス@1レートを含む7つの挑戦的な推論ベンチマークにおいて、新たな最先端のパフォーマンスを達成することが示されている。 DALAは625万のトークンしか使わず、GSM8K上の現在の最先端の手法で消費されるリソースのごく一部しか使用していません。 さらに分析した結果, DALAは戦略的沈黙の創発的スキルを育成し, 資源制約を通した動的手法で, 冗長性からサイレントへのコミュニケーション戦略を効果的に適応させることが判明した。

関連論文リスト

• Enabling Agents to Communicate Entirely in Latent Space [19.98668682094137]
  直接伝送のための心の表現としてLLMの最後の隠れ状態を利用するパラダイムであるInter-agent Latent Space Communicationを提案する。 追加の圧縮プロセスは、完全な潜在空間推論を通じて潜在通信をさらに圧縮する。 実験により、Interlatは微調整されたチェーン・オブ・シークレット(CoT)のプロンプトと単一エージェントのベースラインの両方より優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-12T09:37:22Z)
• In-Context Reinforcement Learning via Communicative World Models [49.00028802135605]
  この研究は、2エージェントの緊急通信問題としてICRLを定式化する。 これは、転送可能な通信コンテキストを学ぶフレームワークであるCORALを紹介している。 実験により,本手法により,CAが試料効率を大幅に向上できることが実証された。
  論文  参考訳（メタデータ） (2025-08-08T19:23:23Z)
• Communication-Efficient Hybrid Language Model via Uncertainty-Aware Opportunistic and Compressed Transmission [65.17811759381978]
  ハイブリッド言語モデル(HLM)は、遠隔大言語モデル(LLM)によって検証され、修正されるドラフトトークンを生成する。 通信効率と不確実性を考慮したHLM(CU-HLM)を提案する。 CU-HLMは、74.8%のトランスミッションを97.4%の語彙圧縮でスキップし、97.4%の精度を維持しながら、最大206$times$高いトークンスループットを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-17T02:10:34Z)
• Task-Oriented Semantic Communication in Large Multimodal Models-based Vehicle Networks [55.32199894495722]
  LMMに基づく車両用AIアシスタントLarge Language and Vision Assistant(LLaVA)について検討する。 計算要求を減らし、応答時間を短縮するため、LLaVAの画像スライシングを最適化し、ユーザにとって最も関心のある領域に選択的にフォーカスする。 交通シナリオに対する視覚質問応答(VQA)データセットを構築し,有効性を評価する。
  論文  参考訳（メタデータ） (2025-05-05T07:18:47Z)
• Hypergame Theory for Decentralized Resource Allocation in Multi-user Semantic Communications [60.63472821600567]
  マルチユーザSCシステムにおける分散コンピューティングと通信資源割り当てのための新しいフレームワークを提案する。 通信資源と計算資源を効率的に割り当てることの課題は、Stackelbergハイパーゲーム理論の適用によって解決される。 シミュレーションの結果,提案したStackelbergハイパーゲームは通信資源と計算資源を効率的に利用することができることがわかった。
  論文  参考訳（メタデータ） (2024-09-26T15:55:59Z)
• Exchange-of-Thought: Enhancing Large Language Model Capabilities through Cross-Model Communication [76.04373033082948]
  大規模言語モデル(LLM)は、最近、Chain-of-Thoughtテクニックによる複雑な推論タスクにおいて大きな進歩を遂げました。 本稿では,問題解決時のクロスモデル通信を可能にする新しいフレームワークであるExchange-of-Thought (EoT)を提案する。
  論文  参考訳（メタデータ） (2023-12-04T11:53:56Z)
• Towards True Lossless Sparse Communication in Multi-Agent Systems [1.911678487931003]
  コミュニケーションは、エージェントが目標を達成するために協力することを可能にする。 スパース個別化コミュニケーションの学習における最近の研究は、訓練中に高いばらつきに悩まされている。 情報ボトルネックを表現学習問題として、空間性を再設定するために使用します。
  論文  参考訳（メタデータ） (2022-11-30T20:43:34Z)
• Over-communicate no more: Situated RL agents learn concise communication protocols [78.28898217947467]
  互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。 強化学習(RL)を用いたコミュニケーションの出現に関する研究 エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。 テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
  論文  参考訳（メタデータ） (2022-11-02T21:08:14Z)
• The Enforcers: Consistent Sparse-Discrete Methods for Constraining Informative Emergent Communication [5.432350993419402]
  コミュニケーションは、エージェントが目標を達成するために協力することを可能にする。 疎間コミュニケーションの学習における最近の研究は、特に協調作業において、コミュニケーションの減少のコストが報酬の減少につながるような、高分散トレーニングに悩まされている。 本研究は、コミュニケーションの減少による報酬の損失を抑え、差別に対するペナルティを排除し、上記の課題に対処する。
  論文  参考訳（メタデータ） (2022-01-19T07:31:06Z)
• Gaussian Process Based Message Filtering for Robust Multi-Agent Cooperation in the Presence of Adversarial Communication [5.161531917413708]
  マルチエージェントシステムにおける敵通信に対する堅牢性の提供という課題について考察する。 グラフニューラルネットワーク(GNN)に基づく通信アーキテクチャを提案する。 本手法は,非協力的エージェントがもたらす影響を低減できることを示す。
  論文  参考訳（メタデータ） (2020-12-01T14:21:58Z)

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。