論文の概要: Detecting Perspective Shifts in Multi-agent Systems
- arxiv url: http://arxiv.org/abs/2512.05013v1
- Date: Thu, 04 Dec 2025 17:24:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:46.293954
- Title: Detecting Perspective Shifts in Multi-agent Systems
- Title（参考訳）: マルチエージェントシステムにおけるパースペクティブシフトの検出
- Authors: Eric Bridgeford, Hayden Helm,
- Abstract要約: 本稿では,TDKPS(Temporal Data Kernel Perspective Space)について紹介する。
ブラックボックス型マルチエージェントシステムにおけるエージェントおよびグループレベルでの行動変化を検出するための新しい仮説テストを提案する。
私たちが知っている限りでは、TDKPSはブラックボックスマルチエージェントシステムにおける振る舞いのダイナミクスを監視するための最初の原則的なフレームワークです。
- 参考スコア（独自算出の注目度）: 0.9095465010382021
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative models augmented with external tools and update mechanisms (or \textit{agents}) have demonstrated capabilities beyond intelligent prompting of base models. As agent use proliferates, dynamic multi-agent systems have naturally emerged. Recent work has investigated the theoretical and empirical properties of low-dimensional representations of agents based on query responses at a single time point. This paper introduces the Temporal Data Kernel Perspective Space (TDKPS), which jointly embeds agents across time, and proposes several novel hypothesis tests for detecting behavioral change at the agent- and group-level in black-box multi-agent systems. We characterize the empirical properties of our proposed tests, including their sensitivity to key hyperparameters, in simulations motivated by a multi-agent system of evolving digital personas. Finally, we demonstrate via natural experiment that our proposed tests detect changes that correlate sensitively, specifically, and significantly with a real exogenous event. As far as we are aware, TDKPS is the first principled framework for monitoring behavioral dynamics in black-box multi-agent systems -- a critical capability as generative agent deployment continues to scale.
- Abstract（参考訳）: 外部ツールと更新メカニズム(または \textit{agents})で強化された生成モデルは、ベースモデルのインテリジェントなプロンプト以上の機能を示す。
エージェントは増殖剤を使用するため、動的マルチエージェントシステムは自然に出現している。
近年の研究では,クエリ応答に基づくエージェントの低次元表現の理論的および経験的特性について検討している。
本稿では,時間とともにエージェントを埋め込んだテンポラルデータカーネル・パースペクティブ・スペース(TDKPS)を紹介し,ブラックボックス型マルチエージェントシステムにおけるエージェントおよびグループレベルの動作変化を検出するための新しい仮説テストを提案する。
進化するデジタルペルソナのマルチエージェントシステムによって動機付けられたシミュレーションにおいて、キーハイパーパラメータに対する感度を含む、提案試験の実証特性を特徴付ける。
最後に,本研究は自然実験を通じて,本研究で提案した実験が,実際の外因性事象と敏感に相関する変化を検出できることを実証した。
私たちが認識している限り、TDKPSはブラックボックスのマルチエージェントシステムにおける振る舞いのダイナミクスを監視するための最初の原則化されたフレームワークです。
関連論文リスト
- ImAgent: A Unified Multimodal Agent Framework for Test-Time Scalable Image Generation [49.01601313084479]
ImAgentは、推論、生成、自己評価を統合するトレーニングフリーの統一マルチモーダルエージェントである。
画像生成と編集タスクの実験は、ImAgentがバックボーンよりも一貫して改善していることを示している。
論文 参考訳（メタデータ） (2025-11-14T17:00:29Z) - A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。
我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。
コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文 参考訳（メタデータ） (2025-10-13T04:07:01Z) - Diagnostics of cognitive failures in multi-agent expert systems using dynamic evaluation protocols and subsequent mutation of the processing context [0.0]
この研究は、専門家システムのための診断フレームワークを導入し、評価だけでなく、専門家行動のLSMエージェントへの転送を容易にする。
我々は,多エージェント採用支援システム上での枠組みを実証し,潜在的認知障害を明らかにした。
論文 参考訳（メタデータ） (2025-09-18T19:08:03Z) - Free Agent in Agent-Based Mixture-of-Experts Generative AI Framework [0.0]
強化学習自由エージェント (Reinforcement Learning Free Agent, RLFA) アルゴリズムは、永続的な過パフォーマンスを示すエージェントを検出し、除去するための報酬に基づくメカニズムを導入する。
第一のユースケースは不正検出であり、RLFAは事前に設定された閾値以下で検出精度が低下するエージェントを即座に交換する。
このダイナミックでフリーの緊急サイクルは、持続的な正確さ、出現する脅威への迅速な適応、進行中の運用に対する最小限の中断を保証する。
論文 参考訳（メタデータ） (2025-01-29T13:00:22Z) - Episodic Future Thinking Mechanism for Multi-agent Reinforcement Learning [2.992602379681373]
本稿では、強化学習(RL)エージェントのためのエピソード・フューチャー・シンキング(EFT)機構を導入する。
まず、異種ポリシーのアンサンブルで多様な文字をキャプチャするマルチ文字ポリシーを開発する。
キャラクタが推論されると、エージェントはターゲットエージェントの今後のアクションを予測し、将来のシナリオをシミュレートする。
論文 参考訳（メタデータ） (2024-10-22T19:12:42Z) - Very Large-Scale Multi-Agent Simulation in AgentScope [112.98986800070581]
我々は,ユーザフレンドリーなマルチエージェントプラットフォームであるAgentScopeの新機能とコンポーネントを開発した。
高いスケーラビリティと高効率を実現するために,アクタをベースとした分散機構を提案する。
また、多数のエージェントを便利に監視し、管理するためのWebベースのインターフェースも提供します。
論文 参考訳（メタデータ） (2024-07-25T05:50:46Z) - EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
EvoAgentは、特殊エージェントをマルチエージェントシステムに自動的に拡張するジェネリックメソッドである。
EvoAgent は LLM エージェントのタスク解決能力を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2024-06-20T11:49:23Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳（メタデータ） (2021-07-10T03:49:41Z)
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。