論文の概要: Persona-based Multi-Agent Collaboration for Brainstorming

• arxiv url: http://arxiv.org/abs/2512.04488v2
• Date: Wed, 10 Dec 2025 05:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.197146
• Title: Persona-based Multi-Agent Collaboration for Brainstorming
• Title（参考訳）: パーソナをベースとしたブレインストーミングのためのマルチエージェントコラボレーション
• Authors: Nate Straub, Saara Khan, Katharina Jay, Brian Cabral, Oskar Linde,
• Abstract要約: 我々は,多種多様なトピックと主題概念の両方において,ペルソナに基づくマルチエージェントブレインストーミングの重要性を実証する。 その結果,(1)ペルソナ選択はアイデアドメインを形作り,(2)協調モードはアイデア生成の多様性をシフトさせ,(3)マルチエージェントペルソナ駆動ブレインストーミングはアイデア深度とクロスドメインカバレッジを生み出すことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We demonstrate the importance of persona-based multi-agents brainstorming for both diverse topics and subject matter ideation. Prior work has shown that generalized multi-agent collaboration often provides better reasoning than a single agent alone. In this paper, we propose and develop a framework for persona-based agent selection, showing how persona domain curation can improve brainstorming outcomes. Using multiple experimental setups, we evaluate brainstorming outputs across different persona pairings (e.g., Doctor vs VR Engineer) and A2A (agent-to-agent) dynamics (separate, together, separate-then-together). Our results show that (1) persona choice shapes idea domains, (2) collaboration mode shifts diversity of idea generation, and (3) multi-agent persona-driven brainstorming produces idea depth and cross-domain coverage.
• Abstract（参考訳）: 我々は,多種多様なトピックと主題概念の両方において,ペルソナに基づくマルチエージェントブレインストーミングの重要性を実証する。 以前は、一般化されたマルチエージェントのコラボレーションは、単一のエージェント単独よりもより良い推論を提供することが示されていた。 本稿では,ペルソナ・ドメイン・キュレーションがブレインストーミングの結果をどのように改善するかを示す,ペルソナ・エージェント選択のためのフレームワークを提案し,開発する。 複数の実験装置を用いて、異なるペルソナペアリング(例えば、ドクター対VRエンジニア)とA2A(エージェント対エージェント)のダイナミックス(別々に、別々に、別々に)のブレインストーミング出力を評価した。 その結果,(1)ペルソナ選択はアイデアドメインを形作り,(2)協調モードはアイデア生成の多様性をシフトさせ,(3)マルチエージェントペルソナ駆動ブレインストーミングはアイデア深度とクロスドメインカバレッジを生み出すことがわかった。

関連論文リスト

• From Single to Societal: Analyzing Persona-Induced Bias in Multi-Agent Interactions [19.313710831511067]
  大規模言語モデル(LLM)ベースのマルチエージェントシステムは、人間のインタラクションをシミュレートし、協調的なタスクを解決するためにますます利用されている。 ペルソナはマルチエージェントインタラクションにバイアスをもたらすか? 本稿では,多エージェントインタラクションにおけるペルソナ誘発バイアスの系統的研究について述べる。
  論文  参考訳（メタデータ） (2025-11-14T18:19:28Z)
• OPTAGENT: Optimizing Multi-Agent LLM Interactions Through Verbal Reinforcement Learning for Enhanced Reasoning [14.105640933123325]
  大規模言語モデル(LLM)は、数学的および科学的タスクにおいて顕著な推論能力を示している。 複雑な推論を強化するため、LLMエージェントの集合的知性を活用するためにマルチエージェントシステムが提案されている。 複数エージェントの協調構造を動的に構築・洗練する多エージェント言語強化学習アルゴリズムである$ours$を提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:07:51Z)
• Can an Individual Manipulate the Collective Decisions of Multi-Agents? [53.01767232004823]
  M-Spoilerは、マルチエージェントシステム内のエージェントインタラクションをシミュレートして、対向サンプルを生成するフレームワークである。 M-スポイラーは、敵対的サンプルの最適化を積極的に支援するスタブボーン剤を導入した。 本研究は,マルチエージェントシステムにおける個々のエージェントの知識によって引き起こされるリスクを検証した。
  論文  参考訳（メタデータ） (2025-09-20T01:54:20Z)
• Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
  本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。 研究提案を作成するための協調型マルチエージェントフレームワークを提案する。 エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
  論文  参考訳（メタデータ） (2025-08-06T15:59:18Z)
• Exploring Design of Multi-Agent LLM Dialogues for Research Ideation [4.561804070932164]
  大規模言語モデル(LLM)は、研究アイデア生成のような創造的なタスクをサポートするために、ますます使われている。 エージェントの役割の異なる構成、エージェントの数、対話深度を比較し、これらの要因が生成したアイデアの新規性と実現可能性にどのように影響するかを理解する。
  論文  参考訳（メタデータ） (2025-07-11T06:53:46Z)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• Towards Reasoning in Large Language Models via Multi-Agent Peer Review Collaboration [28.299379264080603]
  大規模言語モデル(LLM)は、一般的な自然言語処理タスクにおいて顕著な能力を示しているが、複雑な推論タスクでは不足することが多い。 近年の研究では、自己正当性のような人間的な問題解決戦略を探求し、単一モデル推論能力の境界を推し進めている。 学術的ピアレビュープロセスをエミュレートするマルチエージェントコラボレーション戦略を導入する。
  論文  参考訳（メタデータ） (2023-11-14T13:27:07Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• Multi-agent Deep Covering Skill Discovery [50.812414209206054]
  本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。 また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。 提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
  論文  参考訳（メタデータ） (2022-10-07T00:40:59Z)

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。