論文の概要: Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure

• arxiv url: http://arxiv.org/abs/2601.15077v1
• Date: Wed, 21 Jan 2026 15:23:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.41678
• Title: Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure
• Title（参考訳）: マルチエージェント制約因子化が潜在不変溶液構造を解明する
• Authors: Christopher Scofield,
• Abstract要約: 大規模言語モデルからなるマルチエージェントシステム (MAS) では,同一情報で動作するにもかかわらず,問題解決性能が向上することがしばしばある。 我々は、各エージェントを、共有されたソリューション状態に異なる妥当性制約の族を強制するものとしてモデル化し、MASが制約強化演算子の分解された構成を実装していることを示す。 この結果は、厳密な制約執行から近位演算子によるソフト制約へと拡張し、現代テキストベースの対話システムにフォーマリズムを適用した。
• 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: Multi-agent systems (MAS) composed of large language models often exhibit improved problem-solving performance despite operating on identical information. In this work, we provide a formal explanation for this phenomenon grounded in operator theory and constrained optimization. We model each agent as enforcing a distinct family of validity constraints on a shared solution state, and show that a MAS implements a factorized composition of constraint-enforcement operators. Under mild conditions, these dynamics converge to invariant solution sets defined by the intersection of agent constraint sets. Such invariant structures are generally not dynamically accessible to a single agent applying all constraints simultaneously, even when expressive capacity and information are identical. We extend this result from exact constraint enforcement to soft constraints via proximal operators, and apply the formalism to contemporary text-based dialog systems.
• Abstract（参考訳）: 大規模言語モデルからなるマルチエージェントシステム (MAS) では,同一情報で動作するにもかかわらず,問題解決性能が向上することがしばしばある。 本研究では、演算子理論と制約付き最適化に基づくこの現象の正式な説明を行う。 我々は、各エージェントを、共有されたソリューション状態に異なる妥当性制約の族を強制するものとしてモデル化し、MASが制約強化演算子の分解された構成を実装していることを示す。 穏やかな条件下では、これらの力学はエージェント制約集合の交叉によって定義される不変解集合に収束する。 このような不変構造は、表現能力と情報が同一であっても、すべての制約を同時に適用する単一のエージェントに対して、一般的に動的にアクセスできない。 この結果は、厳密な制約執行から近位演算子によるソフト制約へと拡張し、現代テキストベースの対話システムにフォーマリズムを適用した。

関連論文リスト

• An Integrated Fusion Framework for Ensemble Learning Leveraging Gradient Boosting and Fuzzy Rule-Based Models [59.13182819190547]
  ファジィ規則に基づくモデルは解釈可能性に優れ、様々な分野に広く応用されている。 複雑な設計仕様や大規模データセットのスケーラビリティといった課題に直面している。 本稿では,モデル性能と解釈可能性を高めるために,両パラダイムの強みを融合した統合統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T10:28:23Z)
• Explainable Distributed Constraint Optimization Problems [5.172964916120901]
  本稿では,DCOP を拡張した Explainable DCOP モデルを提案する。 提案手法は大きな問題に拡張可能であることを示し,各変種は,より小さなランタイムに対して,説明長をトレードオフするさまざまな選択肢を提供する。
  論文  参考訳（メタデータ） (2025-02-19T21:06:30Z)
• Athanor: Local Search over Abstract Constraint Specifications [2.3383199519492455]
  本稿では,制約モデルとして受け入れる汎用ローカルサーチソルバに着目した。 ここで説明するAthanorソルバは、抽象制約仕様言語Essenceにおける問題の仕様から始まります。
  論文  参考訳（メタデータ） (2024-10-08T11:41:38Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Shape Arithmetic Expressions: Advancing Scientific Discovery Beyond Closed-Form Equations [56.78271181959529]
  GAM(Generalized Additive Models)は、変数とターゲットの間の非線形関係をキャプチャできるが、複雑な特徴相互作用をキャプチャすることはできない。 本稿では,GAMのフレキシブルな形状関数と,数学的表現に見られる複雑な特徴相互作用を融合させる形状表現算術(SHARE)を提案する。 また、標準制約を超えた表現の透明性を保証するSHAREを構築するための一連のルールを設計する。
  論文  参考訳（メタデータ） (2024-04-15T13:44:01Z)
• Compositional Diffusion-Based Continuous Constraint Solvers [98.1702285470628]
  本稿では,ロボット推論と計画における連続的制約満足度問題(CCSP)の解法について紹介する。 対照的に、構成拡散連続制約解法(Diffusion-CCSP)は、CCSPに対する大域的な解を導出する。
  論文  参考訳（メタデータ） (2023-09-02T15:20:36Z)
• On the Complexity of Multi-Agent Decision Making: From Learning in Games to Partial Monitoring [105.13668993076801]
  マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。 本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。 マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
  論文  参考訳（メタデータ） (2023-05-01T06:46:22Z)
• Relational Reasoning via Set Transformers: Provable Efficiency and Applications to MARL [154.13105285663656]
  置換不変エージェントフレームワークを用いたMARL(Multi-A gent R einforcement Learning)は,実世界のアプリケーションにおいて大きな実証的成功を収めた。 残念なことに、このMARL問題の理論的理解は、多くのエージェントの呪いと、既存の著作における関係推論の限定的な探索によって欠落している。 モデルフリーアルゴリズムとモデルベースアルゴリズムの最適度差は各エージェント数に独立して対数的であり、多くのエージェントの呪いを和らげる。
  論文  参考訳（メタデータ） (2022-09-20T16:42:59Z)
• Going Beyond Approximation: Encoding Constraints for Explainable Multi-hop Inference via Differentiable Combinatorial Solvers [4.726777092009554]
  線形プログラミング(ILP)は、自然言語による説明可能なマルチホップ推論について、明示的で制御可能な仮定を符号化する実行可能なメカニズムを提供する。 ILPの定式化は微分不可能であり、より広範なディープラーニングアーキテクチャに統合することはできない。 Diff-Comb Explainerは、微分不可能なソルバ、トランスフォーマー、および既存の微分可能制約ベースのマルチホップ推論フレームワークの精度と説明性を改善する。
  論文  参考訳（メタデータ） (2022-08-05T18:07:53Z)
• Joint Continuous and Discrete Model Selection via Submodularity [1.332560004325655]
  機械学習のモデル選択問題では、意味のある構造を持つ優れたモデルに対する欲求は、典型的には正規化された最適化問題によって表される。 しかし、多くのシナリオでは、数値的に意味のある構造が離散空間において特定され、難しい非最適化問題を引き起こす。 我々は、ロバスト最適化によって動機づけられた特定の問題クラスに対して、単純な連続的あるいは離散的な制約をいかに扱うかを示す。
  論文  参考訳（メタデータ） (2021-02-17T21:14:47Z)

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。