論文の概要: Tacit Coordination of Large Language Models

• arxiv url: http://arxiv.org/abs/2601.22184v1
• Date: Wed, 28 Jan 2026 13:34:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:14.981177
• Title: Tacit Coordination of Large Language Models
• Title（参考訳）: 大規模言語モデルの暗黙的コーディネーション
• Authors: Ido Aharon, Emanuele La Malfa, Michael Wooldridge, Sarit Kraus,
• Abstract要約: シェリングの理論は、人が焦点に依存してどのように協調するかを説明する。 この研究は多言語モデル(LLM)を暗黙の調整ゲームにおけるプレイヤーとして研究している。
• 参考スコア（独自算出の注目度）: 19.473278869118346
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In tacit coordination games with multiple outcomes, purely rational solution concepts, such as Nash equilibria, provide no guidance for which equilibrium to choose. Shelling's theory explains how, in these settings, humans coordinate by relying on focal points: solutions or outcomes that naturally arise because they stand out in some way as salient or prominent to all players. This work studies Large Language Models (LLMs) as players in tacit coordination games, and addresses how, when, and why focal points emerge. We compare and quantify the coordination capabilities of LLMs in cooperative and competitive games for which human experiments are available. We also introduce several learning-free strategies to improve the coordination of LLMs, with themselves and with humans. On a selection of heterogeneous open-source models, including Llama, Qwen, and GPT-oss, we discover that LLMs have a remarkable capability to coordinate and often outperform humans, yet fail on common-sense coordination that involves numbers or nuanced cultural archetypes. This paper constitutes the first large-scale assessment of LLMs' tacit coordination within the theoretical and psychological framework of focal points.
• Abstract（参考訳）: 複数の結果を持つ暗黙の調整ゲームでは、ナッシュ平衡のような純粋に有理な解の概念は、どの平衡を選ぶかのガイダンスを与えない。 シェリングの理論は、人間が焦点を頼ってどのように協調するかを説明している。 この研究は、多言語モデル(LLM)を暗黙の調整ゲームにおけるプレイヤーとして研究し、焦点がいつ、いつ、なぜ出現するかを論じる。 我々は,人間の実験が可能な協調的・競争的なゲームにおいて,LLMのコーディネーション能力を比較し,定量化する。 また,LLMと人間との協調性を改善するための学習自由戦略をいくつか導入した。 Llama, Qwen, GPT-ossなどの異種オープンソースモデルの選択により, LLMは人間をコーディネートし, しばしば上回る能力を持つが, 数や微妙な文化的アーキタイプを含む常識的コーディネートでは失敗することがわかった。 本稿では,焦点の理論的・心理的枠組みの中で,LLMの暗黙的協調性に関する大規模な評価を行う。

関連論文リスト

• How large language models judge and influence human cooperation [82.07571393247476]
  我々は、最先端の言語モデルが協調行動をどのように判断するかを評価する。 我々は、善良な相手との協力を評価する際、顕著な合意を守ります。 モデル間の差異が協調の頻度に大きく影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2025-06-30T09:14:42Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Humans expect rationality and cooperation from LLM opponents in strategic games [0.0]
  本研究は,人間の行動の差異に着目した最初の金銭的インセンティブを持つ実験室実験の結果である。 この環境下では,LLMと対戦する被験者は人間よりも有意に少ない数を選択する。 この変化は、主に戦略的推論能力の高い被験者によって引き起こされる。
  論文  参考訳（メタデータ） (2025-05-16T09:01:09Z)
• MAgIC: Investigation of Large Language Model Powered Multi-Agent in Cognition, Adaptability, Rationality and Collaboration [98.18244218156492]
  大規模言語モデル(LLM)は、非常に高度な自然言語処理を持つ。 アプリケーションがマルチエージェント環境に拡大するにつれて、包括的な評価フレームワークの必要性が生じる。 この研究は、マルチエージェント設定内でLLMを評価するための新しい競合ベースのベンチマークフレームワークを導入している。
  論文  参考訳（メタデータ） (2023-11-14T21:46:27Z)
• LLM-Coordination: Evaluating and Analyzing Multi-agent Coordination Abilities in Large Language Models [23.092480882456048]
  大きな言語モデル(LLM)は、創発的な常識推論と心の理論(ToM)能力を示している。 本研究では,Pure Coordination Sets の文脈で LLM を解析するための新しいベンチマークである LLM-Coordination Benchmark を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T21:18:15Z)
• Tackling Cooperative Incompatibility for Zero-Shot Human-AI Coordination [36.33334853998621]
  協調的オープンエンド・ラーニング(COLE)フレームワークを導入し,学習における協調的非互換性を解決する。 COLEは、グラフ理論の観点を用いて、2人のプレイヤーと協調ゲームにおけるオープンエンド目標を定式化し、各戦略の協調能力を評価し、特定する。 我々は,COLEが理論的および経験的分析から協調的不整合性を効果的に克服できることを示した。
  論文  参考訳（メタデータ） (2023-06-05T16:51:38Z)
• Cooperative Open-ended Learning Framework for Zero-shot Coordination [35.330951448600594]
  本研究では,2人のプレーヤーによる協調ゲームにおいて,オープンエンドの目標を構築するための枠組みを提案する。 また,ゲーム理論やグラフ理論からの知識を活用する実用的なアルゴリズムを提案する。 本手法は,異なるレベルのパートナーとコーディネートする場合に,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2023-02-09T18:37:04Z)

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。