論文の概要: Computational Foundations for Strategic Coopetition: Formalizing Collective Action and Loyalty

• arxiv url: http://arxiv.org/abs/2601.16237v1
• Date: Wed, 21 Jan 2026 18:23:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.355427
• Title: Computational Foundations for Strategic Coopetition: Formalizing Collective Action and Loyalty
• Title（参考訳）: 戦略的協力のための計算基盤:集団行動とロイヤリティの形式化
• Authors: Vik Pant, Eric Yu,
• Abstract要約: 混合モチベーションのマルチエージェント設定は、個々の努力がメンバー全員に均等に利益をもたらすため、永続的なフリーライディングを伴いますが、各メンバは自身のコントリビューションの完全なコストを負担します。 本報告は, 戦略的合弁のための計算基盤をチームレベルのダイナミクスに拡張する。 我々は、忠誠の利益とコスト耐性の2つのメカニズムで、忠誠をモデレートしたユーティリティ機能を開発する。
• 参考スコア（独自算出の注目度）: 0.33985917934283577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mixed-motive multi-agent settings are rife with persistent free-riding because individual effort benefits all members equally, yet each member bears the full cost of their own contribution. Classical work by Holmström established that under pure self-interest, Nash equilibrium is universal shirking. While i* represents teams as composite actors, it lacks scalable computational mechanisms for analyzing how collective action problems emerge and resolve in coopetitive settings. This technical report extends computational foundations for strategic coopetition to team-level dynamics, building on companion work formalizing interdependence/complementarity (arXiv:2510.18802) and trust dynamics (arXiv:2510.24909). We develop loyalty-moderated utility functions with two mechanisms: loyalty benefit (welfare internalization plus intrinsic contribution satisfaction) and cost tolerance (reduced effort burden for loyal members). We integrate i* structural dependencies through dependency-weighted team cohesion, connecting member incentives to team-level positioning. The framework applies to both human teams (loyalty as psychological identification) and multi-agent systems (alignment coefficients and adjusted cost functions). Experimental validation across 3,125 configurations demonstrates robust loyalty effects (15.04x median effort differentiation). All six behavioral targets achieve thresholds: free-riding baseline (96.5%), loyalty monotonicity (100%), effort differentiation (100%), team size effect (100%), mechanism synergy (99.5%), and bounded outcomes (100%). Empirical validation using published Apache HTTP Server (1995-2023) case study achieves 60/60 points, reproducing contribution patterns across formation, growth, maturation, and governance phases. Statistical significance confirmed at p<0.001, Cohen's d=0.71.
• Abstract（参考訳）: 混合モチベーションのマルチエージェント設定は、個々の努力がメンバー全員に均等に利益をもたらすため、永続的なフリーライディングを伴いますが、各メンバは自身のコントリビューションの完全なコストを負担します。 ホルムストロームの古典的な研究は、純粋な自己関心の下では、ナッシュ均衡は普遍的なシャークであることを示した。 i*はチームが複合的なアクターとして表現するが、集合的なアクション問題がどのように発生し、協調的な設定で解決するかを分析するためのスケーラブルな計算メカニズムは欠如している。 この技術レポートは、戦略的合理化のための計算基盤をチームレベルのダイナミクスに拡張し、相互依存性/補完性(arXiv:2510.18802)と信頼ダイナミクス(arXiv:2510.24909)を形式化した共同作業に基づいて構築する。 我々は、忠誠利益(内在的貢献度と内在的貢献度)とコスト寛容(忠実なメンバーの努力負担の軽減)の2つのメカニズムで、忠誠をモデレートしたユーティリティ機能を開発する。 依存関係の重み付けされたチームの結束を通じて、i*構造的な依存関係を統合することで、メンバインセンティブをチームレベルの位置決めに結び付けます。 このフレームワークは、人間チーム(心理的識別としてのロイヤリティ)とマルチエージェントシステム(調整係数と調整コスト関数)の両方に適用されます。 3,125個の構成にまたがる実験的検証は、ロバストなロイヤリティ効果(中央値の15.04倍)を示す。 フリーライディングベースライン(96.5%)、忠誠の単調性(100%)、努力の分化(100%)、チームサイズ効果(100%)、メカニズムシナジー(99.5%)、バウンド結果(100%)の6つの行動目標がしきい値を達成する。 Apache HTTP Server (1995-2023) のケーススタディを用いた実証検証は、60/60ポイントを獲得し、形成、成長、成熟、ガバナンスフェーズ間でコントリビューションパターンを再現する。 p<0.001, Cohen's d=0.71。

関連論文リスト

• Causal symmetrization as an empirical signature of operational autonomy in complex systems [0.0]
  理論生物学は、自律システムは構造と活動の間の相互的制約を通じてアイデンティティを維持することを提唱している。 人工社会技術システムにおけるこの枠組みを,運用自律性と整合した統計的署名を同定することにより実証的に評価する。
  論文  参考訳（メタデータ） (2025-12-09T10:32:39Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Computational Foundations for Strategic Coopetition: Formalizing Interdependence and Complementarity [0.33985917934283577]
  本報告では、相互依存と相補性という2つの臨界次元を形式化する計算基盤を開発する。 我々は,i*構造依存解析における相互依存を基礎とし,従属関係を構造的翻訳フレームワークを通じて定量的相互依存係数に変換する。 我々は,Branenburger と Nalebuff の Added Value の概念に従って相補性を形式化し,パラメータ化の検証による相乗的値生成をモデル化する。 Nash Equilibriumが構造的相互依存を取り入れたゲーム理論の定式化を導入する。
  論文  参考訳（メタデータ） (2025-10-21T16:57:40Z)
• Decentralized Dynamic Cooperation of Personalized Models for Federated Continual Learning [50.56947843548702]
  フェデレーション型連続学習のための分散動的協調フレームワークを提案する。 顧客は、新しい知識の獲得と事前学習の維持のバランスをとるために、動的な協調学習連合を確立する。 また、協調的・動的平衡を達成するために、マージブロックアルゴリズムと動的協調的進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-28T06:53:23Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)

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。