論文の概要: Generating consensus and dissent on massive discussion platforms with an $O(N)$ semantic-vector model

• arxiv url: http://arxiv.org/abs/2601.13932v1
• Date: Tue, 20 Jan 2026 13:08:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.061026
• Title: Generating consensus and dissent on massive discussion platforms with an $O(N)$ semantic-vector model
• Title（参考訳）: O(N)$セマンティック・ベクターモデルによる大規模討論プラットフォームにおけるコンセンサスと不満の生成
• Abstract要約: 意味論的に類似したアイデアを集約する動的システムを導入する。 以上の結果から,0$は強磁性相(グローバルコンセンサス)へ,0$は反強磁性相(最大反強磁性相)を誘導することがわかった。 このフレームワークは、集合知プラットフォームにおける凝集と多様性の間のトレードオフを管理するための制御可能な方法を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reaching consensus on massive discussion networks is critical for reducing noise and achieving optimal collective outcomes. However, the natural tendency of humans to preserve their initial ideas constrains the emergence of global solutions. To address this, Collective Intelligence (CI) platforms facilitate the discovery of globally superior solutions. We introduce a dynamical system based on the standard $O(N)$ model to drive the aggregation of semantically similar ideas. The system consists of users represented as nodes in a $d=2$ lattice with nearest-neighbor interactions, where their ideas are represented by semantic vectors computed with a pretrained embedding model. We analyze the system's equilibrium states as a function of the coupling parameter $β$. Our results show that $β> 0$ drives the system toward a ferromagnetic-like phase (global consensus), while $β< 0$ induces an antiferromagnetic-like state (maximum dissent), where users maximize semantic distance from their neighbors. This framework offers a controllable method for managing the tradeoff between cohesion and diversity in CI platforms.
• Abstract（参考訳）: 大規模な議論ネットワークにおけるコンセンサスの獲得は、ノイズを低減し、最適な総合的な結果を達成するために重要である。 しかしながら、人間の最初のアイデアを保存しようとする自然な傾向は、グローバルなソリューションの出現を妨げている。 これを解決するために、集合知(CI)プラットフォームは、グローバルに優れたソリューションの発見を促進する。 我々は,標準的な$O(N)$モデルに基づく動的システムを導入し,意味論的に類似したアイデアを集約する。 このシステムは、最寄りの相互作用を持つ$d=2$格子でノードとして表現されるユーザで構成され、そのアイデアは事前訓練された埋め込みモデルで計算されたセマンティックベクトルによって表現される。 系の平衡状態は結合パラメータ$β$の関数として解析する。 以上の結果から,$β>0$は強磁性相(球状コンセンサス)に向かってシステムを駆動し,$β<0$は反強磁性相(最大反強磁性相)を誘導し,ユーザが隣人とのセマンティック距離を最大化することを示した。 このフレームワークは、CIプラットフォームの凝集性と多様性の間のトレードオフを管理するためのコントロール可能な方法を提供する。

関連論文リスト

• World models of environment, agent and joint agent-environment systems [76.81951414842736]
  私たちは、どのチャネルをモデルにするかという、事前の区別があると論じています。 環境チャネル$O_:mid A_:$、エージェントチャネル$A_:mid O_:$、実現されたジョイントプロセス$(A, O)_:$の3つのケースについて検討する。
  論文  参考訳（メタデータ） (2026-07-23T13:35:03Z)
• Inverting the Bellman Equation: From $Q$-Values to World Models [57.827849584133425]
  我々は、十分に豊富な報酬関数のセットで訓練された価値に基づくエージェントが、ユニークで正確な世界モデルを暗黙的にエンコードしていることを証明した。 ttReacherエージェントの暗黙の世界モデルにのみ訓練されたポリシーは、位置のみのトレーニングにもかかわらず、分布外、速度に基づく目標に準最適であることがわかった。
  論文  参考訳（メタデータ） (2026-06-19T07:26:14Z)
• Network Learning with Semi-relaxed Gromov-Wasserstein [0.0]
  大規模ネットワークの生成メカニズムを推定することは、機械学習における根本的な課題である。 確率的結合を許容し、代入問題を緩和することで、この問題に対処する。 我々のフレームワークは半相対的グロモフ=ワッサーシュタインの目的として定式化することができ、生成構造の低次元表現を提供する。
  論文  参考訳（メタデータ） (2026-06-01T13:21:17Z)
• Collective Alignment in LLM Multi-Agent Systems: Disentangling Bias from Cooperation via Statistical Physics [0.0]
  そこで,本研究では,本態性バイアスから社会的整合性を解き,臨界指数を計算し,マルチエージェントシステムの集合的挙動と相転移を探索するモデルに依存しない統計的物理法を提案する。 集合的アライメントは、協調的な隣り合う結合よりも本質的なバイアスによって支配され、真の相転移の代わりに場駆動のクロスオーバーを生成する。
  論文  参考訳（メタデータ） (2026-05-11T13:13:44Z)
• Learning Approximate Nash Equilibria in Cooperative Multi-Agent Reinforcement Learning via Mean-Field Subsampling [3.396870608435494]
  コミュニケーション制約付きシステムにおいて,グローバルエージェントと$n$同質なローカルエージェントによる協調マルコフゲームについて検討する。 これらの近似的最適応答ダイナミクスは、$widetildeO (1/sqrtk)$-approximate Nash Equilibriumに収束することを示す。
  論文  参考訳（メタデータ） (2026-03-04T06:14:24Z)
• Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space [56.37266873329401]
  大規模言語モデル (LLM) は、高度に一様でない情報密度を示す言語にもかかわらず、全てのトークンに一様計算を適用する。 我々は,潜在表現から意味境界を学習し,トークンから推論がより効率的である圧縮概念空間へ移行する階層型言語モデリングフレームワークである$textbfDynamic Large Concept Models (DLCM)$を提案する。
  論文  参考訳（メタデータ） (2025-12-31T04:19:33Z)
• Mechanism-Based Intelligence (MBI): Differentiable Incentives for Rational Coordination and Guaranteed Alignment in Multi-Agent Systems [0.0]
  メカニズムベースインテリジェンス(MBI: Mechanism-Based Intelligence)は,複数の「脳」の協調からインテリジェンスを再認識するパラダイムである。 経済原理に基づく協調的で信頼性が高くスケーラブルなマルチエージェントインテリジェンスに対して、証明可能な効率、監査可能、一般化可能なアプローチを提供する。
  論文  参考訳（メタデータ） (2025-12-22T22:22:13Z)
• Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
  離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。 また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。 我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
  論文  参考訳（メタデータ） (2025-02-07T15:57:56Z)
• Cooperative Multi-Agent Constrained Stochastic Linear Bandits [2.099922236065961]
  N$エージェントのネットワークがローカルに通信し、期待されるコストを所定の閾値$tau$で保持しながら、全体的な後悔を最小限に抑える。 我々は、textitMA-OPLBと呼ばれる安全な分散上信頼度有界アルゴリズムを提案し、そのT$ラウンドの後悔に基づく高い確率を確立する。 我々の後悔の限界は次数$ MathcalOleft(fracdtau-c_0fraclog(NT)2sqrtNsqrtTlog (1/|lambda|)であることを示す。
  論文  参考訳（メタデータ） (2024-10-22T19:34:53Z)
• Self-Localized Collaborative Perception [49.86110931859302]
  我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。 $mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。 $mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
  論文  参考訳（メタデータ） (2024-06-18T15:26:54Z)
• Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
  我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
  論文  参考訳（メタデータ） (2023-12-13T11:08:25Z)
• A Relational Intervention Approach for Unsupervised Dynamics Generalization in Model-Based Reinforcement Learning [113.75991721607174]
  同じ環境に属する2つの推定$hatz_i, hatz_j$の確率を推定するための介入予測モジュールを導入する。 提案手法により推定される$hatZ$は,従来の方法よりも冗長な情報が少ないことを実証的に示す。
  論文  参考訳（メタデータ） (2022-06-09T15:01:36Z)
• Differentially Private Community Detection for Stochastic Block Models [22.526853379896252]
  本研究では,個々の接続のプライバシを保ちながら,コミュニティ検出問題について検討する。 本稿では,3つの異なる地域社会回復機構の幅広いクラスについて,関連する情報トレードオフを提示し,分析する。
  論文  参考訳（メタデータ） (2022-01-31T18:59:19Z)
• DeepHAM: A Global Solution Method for Heterogeneous Agent Models with Aggregate Shocks [9.088303226909277]
  ヘテロジニアスエージェントモデル(DeepHAM$)のための,効率よく,信頼性が高く,解釈可能なグローバルソリューション法である$textitDeep学習ベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-29T03:09:19Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)

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。