論文の概要: Why Keep Your Doubts to Yourself? Trading Visual Uncertainties in Multi-Agent Bandit Systems

• arxiv url: http://arxiv.org/abs/2601.18735v1
• Date: Mon, 26 Jan 2026 17:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.996575
• Title: Why Keep Your Doubts to Yourself? Trading Visual Uncertainties in Multi-Agent Bandit Systems
• Title（参考訳）: なぜ自分に疑念を抱くのか? マルチエージェントバンドシステムにおける視覚的不確かさのトレーディング
• Authors: Jusheng Zhang, Yijia Fan, Kaitong Cai, Jing Yang, Jiawei Yao, Jian Wang, Guanlong Qu, Ziliang Chen, Keze Wang,
• Abstract要約: 私たちは、不確実性のための分散市場として調整を再構築するフレームワークであるAgoraを紹介します。 トンプソンサンプリングを拡張した市場対応ブローカーは、協力を開始し、コスト効率の高い均衡に向けてシステムを誘導する。 結果は、市場ベースのコーディネーションを、経済的に実行可能なビジュアルインテリジェンスシステムを構築するための原則的でスケーラブルなパラダイムとして確立する。
• 参考スコア（独自算出の注目度）: 21.356119126402902
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-Language Models (VLMs) enable powerful multi-agent systems, but scaling them is economically unsustainable: coordinating heterogeneous agents under information asymmetry often spirals costs. Existing paradigms, such as Mixture-of-Agents and knowledge-based routers, rely on heuristic proxies that ignore costs and collapse uncertainty structure, leading to provably suboptimal coordination. We introduce Agora, a framework that reframes coordination as a decentralized market for uncertainty. Agora formalizes epistemic uncertainty into a structured, tradable asset (perceptual, semantic, inferential), and enforces profitability-driven trading among agents based on rational economic rules. A market-aware broker, extending Thompson Sampling, initiates collaboration and guides the system toward cost-efficient equilibria. Experiments on five multimodal benchmarks (MMMU, MMBench, MathVision, InfoVQA, CC-OCR) show that Agora outperforms strong VLMs and heuristic multi-agent strategies, e.g., achieving +8.5% accuracy over the best baseline on MMMU while reducing cost by over 3x. These results establish market-based coordination as a principled and scalable paradigm for building economically viable multi-agent visual intelligence systems.
• Abstract（参考訳）: VLM(Vision-Language Models)は強力なマルチエージェントシステムを実現するが、経済的には持続不可能である。 既存のパラダイム、例えばMixture-of-Agentsやナレッジベースのルータは、コストを無視し、不確実性構造を崩壊させるヒューリスティックなプロキシに依存している。 私たちは、不確実性のための分散市場として調整を再構築するフレームワークであるAgoraを紹介します。 アゴラは、認識的不確実性を構造化された取引可能な資産(知覚的、意味的、推論的)に形式化し、合理的な経済ルールに基づいて、エージェント間の利益性駆動的な取引を強制する。 トンプソンサンプリングを拡張した市場対応ブローカーは、共同作業を開始し、コスト効率の高い均衡に向けてシステムを誘導する。 5つのマルチモーダルベンチマーク(MMMU, MMBench, MathVision, InfoVQA, CC-OCR)の実験では、AgoraはMMMUの最良のベースラインに対して高いVLMとヒューリスティックなマルチエージェント戦略、例えば、+8.5%の精度を達成し、コストを3倍に削減している。 これらの結果は、経済的に実行可能なマルチエージェントビジュアルインテリジェンスシステムを構築するための原則的かつスケーラブルなパラダイムとして、市場ベースのコーディネーションを確立する。

関連論文リスト

• Agentic Confidence Calibration [67.50096917021521]
  Holistic Trajectory (HTC)はAIエージェントの新しい診断フレームワークである。 HTCはキャリブレーションと差別の両方において、強力なベースラインを一貫して超えている。 HTCは、障害の背後にあるシグナルを明らかにすることによって、解釈可能性を提供する。
  論文  参考訳（メタデータ） (2026-01-22T09:08:25Z)
• EvoRoute: Experience-Driven Self-Routing LLM Agent Systems [100.64399490164959]
  EvoRouteは、静的で事前定義されたモデルの割り当てを超越する、自己進化型のモデルルーティングパラダイムである。 挑戦的なエージェントベンチマークの実験によると、既製のエージェントシステムに統合されたEvoRouteは、システムのパフォーマンスを維持または向上するだけでなく、実行コストを最大80%削減し、レイテンシを70%以上削減する。
  論文  参考訳（メタデータ） (2026-01-06T04:06:46Z)
• 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)
• From Competition to Coordination: Market Making as a Scalable Framework for Safe and Aligned Multi-Agent LLM Systems [5.165179548592513]
  マルチエージェント大規模言語モデル(LLM)コーディネーションのための市場形成フレームワークを提案する。 この設定では、各エージェントは市場参加者として行動し、確率的信念を更新し、取引し、共有され、真実に満ちた結果へと収束する。 実証的に、本手法は、事実推論、倫理的判断、コモンセンス推論タスクにまたがって評価する。
  論文  参考訳（メタデータ） (2025-11-18T16:47:15Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading [57.28635022507172]
  TiMiは、アーキテクチャ上、戦略開発を分単位のデプロイメントから切り離す合理性駆動型マルチエージェントシステムである。 本稿では,マクロパターンからマイクロカスタマイズ,トレーディングボット実装のための階層型プログラミング設計,数学的リフレクションによって駆動されるクローズドループ最適化までの2層解析パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-06T13:08:55Z)
• Hide-and-Shill: A Reinforcement Learning Framework for Market Manipulation Detection in Symphony-a Decentralized Multi-Agent System [7.392937244789759]
  分散金融(DeFi)は、新たな無許可金融革新の時代をもたらしたが、前例のない市場操作につながった。 本稿では,マニピュレータと検出器間の相互作用を動的対向ゲームとしてモデル化し,分散操作検出のためのマルチエージェント強化学習フレームワークを提案する。 このフレームワークは、遅延トークン価格反応を金融指標として不審なパターンを特定する。
  論文  参考訳（メタデータ） (2025-07-12T07:55:40Z)
• From Debate to Equilibrium: Belief-Driven Multi-Agent LLM Reasoning via Bayesian Nash Equilibrium [52.28048367430481]
  マルチエージェントフレームワークは、大規模言語モデル(LLM)の推論能力を高めることができるが、通常は計算コストと収束保証が欠如している。 我々は、不完全情報ゲームとしてマルチLLMコーディネーションをリキャストし、ベイズナッシュ均衡(BNE)を求める。 我々は、分散推論と集中的な最終出力を結合する階層的強化学習パラダイムである、Nash Equilibrium (ECON)による効率的なコーディネーションを導入する。
  論文  参考訳（メタデータ） (2025-06-09T23:49:14Z)

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。