論文の概要: PAMAS: Self-Adaptive Multi-Agent System with Perspective Aggregation for Misinformation Detection

• arxiv url: http://arxiv.org/abs/2602.03158v1
• Date: Tue, 03 Feb 2026 06:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.282218
• Title: PAMAS: Self-Adaptive Multi-Agent System with Perspective Aggregation for Misinformation Detection
• Title（参考訳）: PAMAS:誤情報検出のためのパースペクティブアグリゲーションを用いた自己適応型マルチエージェントシステム
• Authors: Zongwei Wang, Min Gao, Junliang Yu, Tong Chen, Chenghua Lin,
• Abstract要約: ソーシャルメディア上の誤報は、情報の信頼性に重大な脅威をもたらす。 大規模言語モデルを用いたマルチエージェントシステム(MAS)は、この脅威に対処するための有望なパラダイムを提供する。 PAMASは、異常な手がかりを浮き彫りにし、情報の溺れを和らげるための、視点アグリゲーションを備えたフレームワークである。
• 参考スコア（独自算出の注目度）: 29.17300778511738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation on social media poses a critical threat to information credibility, as its diverse and context-dependent nature complicates detection. Large language model-empowered multi-agent systems (MAS) present a promising paradigm that enables cooperative reasoning and collective intelligence to combat this threat. However, conventional MAS suffer from an information-drowning problem, where abundant truthful content overwhelms sparse and weak deceptive cues. With full input access, agents tend to focus on dominant patterns, and inter-agent communication further amplifies this bias. To tackle this issue, we propose PAMAS, a multi-agent framework with perspective aggregation, which employs hierarchical, perspective-aware aggregation to highlight anomaly cues and alleviate information drowning. PAMAS organizes agents into three roles: Auditors, Coordinators, and a Decision-Maker. Auditors capture anomaly cues from specialized feature subsets; Coordinators aggregate their perspectives to enhance coverage while maintaining diversity; and the Decision-Maker, equipped with evolving memory and full contextual access, synthesizes all subordinate insights to produce the final judgment. Furthermore, to improve efficiency in multi-agent collaboration, PAMAS incorporates self-adaptive mechanisms for dynamic topology optimization and routing-based inference, enhancing both efficiency and scalability. Extensive experiments on multiple benchmark datasets demonstrate that PAMAS achieves superior accuracy and efficiency, offering a scalable and trustworthy way for misinformation detection.
• Abstract（参考訳）: ソーシャルメディア上の誤報は、その多様性と文脈に依存した性質が検出を複雑にするので、情報の信頼性に重大な脅威をもたらす。 大規模言語モデルを用いたマルチエージェントシステム(MAS)は、協調推論と集団知性によってこの脅威に対処できる有望なパラダイムを提供する。 しかし、従来のMASは情報不足の問題に悩まされ、豊富な真理コンテンツがスパースと弱い偽りの手がかりを圧倒する。 完全な入力アクセスでは、エージェントは支配的なパターンに注目する傾向があり、エージェント間通信はこのバイアスをさらに増幅する。 この問題に対処するために,視点アグリゲーションを備えたマルチエージェントフレームワークであるPAMASを提案する。 PAMASはエージェントを監査人、コーディネーター、意思決定者という3つの役割に編成する。 観客は特定の特徴サブセットから異常な手がかりを捉え、コーディネータは、多様性を維持しながらカバレッジを高めるために視点を集約し、Decision-Makerは進化するメモリと完全なコンテキストアクセスを備え、すべての下位洞察を合成し、最終的な判断を生成する。 さらに,マルチエージェントコラボレーションにおける効率向上のために,動的トポロジ最適化とルーティングベースの推論のための自己適応機構を導入し,効率性とスケーラビリティを向上する。 複数のベンチマークデータセットに対する大規模な実験は、PAMASがより優れた精度と効率を実現し、誤情報検出のスケーラブルで信頼性の高い方法を提供することを示している。

関連論文リスト

• Beyond Monolithic Architectures: A Multi-Agent Search and Knowledge Optimization Framework for Agentic Search [56.78490647843876]
  エージェント検索は、大規模言語モデル(LLM)が推論とツールの使用をインターリーブできるようにすることによって、複雑な情報を探すための有望なパラダイムとして登場した。 本稿では,bfM-ASKを提案する。bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK。
  論文  参考訳（メタデータ） (2026-01-08T08:13:27Z)
• Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection [76.91230292971115]
  大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は複雑なタスクを解く上で強力な能力を示している。 XG-Guardは、MAS内の悪意のあるエージェントを検出するための、説明可能な、きめ細かい保護フレームワークである。
  論文  参考訳（メタデータ） (2025-12-21T13:46:36Z)
• Insight-A: Attribution-aware for Multimodal Misinformation Detection [14.02125134424451]
  本稿では,マルチモーダルな誤情報検出のためのMLLMインサイトによる属性探索を行うInsight-Aを提案する。 我々は、認知と推論の高度な相関をモデル化するために、クロス属性プロンプト(CAP)を考案する。 また,画像キャプション(IC)を設計し,相互整合性検査の精度向上を図る。
  論文  参考訳（メタデータ） (2025-11-17T02:33:36Z)
• Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
  大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。 我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:35:37Z)
• MAGIC-MASK: Multi-Agent Guided Inter-Agent Collaboration with Mask-Based Explainability for Reinforcement Learning [0.0]
  本稿では,マルチエージェント強化学習への摂動に基づく説明を拡張した数学的基盤を持つMAGIC-MASKを提案する。 提案手法は, 近似ポリシ最適化, 適応型エプシロン・グレーディ探索, および軽量なエージェント間協調を統合した。 この共同作業により、各エージェントは給与誘導マスキングを行い、報酬に基づく洞察を仲間と共有し、臨界状態発見に必要な時間を短縮することができる。
  論文  参考訳（メタデータ） (2025-09-30T20:53:28Z)
• MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
  本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。 提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。 その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-08-13T19:14:48Z)
• A Cooperative Multi-Agent Framework for Zero-Shot Named Entity Recognition [71.61103962200666]
  ゼロショット名付きエンティティ認識(NER)は、注釈のないテキストコーパスからエンティティ認識システムを開発することを目的としている。 最近の研究は、特別なプロンプトテンプレートを作成することで、ゼロショットNERに大規模な言語モデル(LLM)を適用している。 ゼロショットNERのための新しいフレームワークである協調型マルチエージェントシステム(CMAS)を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T23:30:43Z)
• Towards Rationality in Language and Multimodal Agents: A Survey [23.451887560567602]
  この研究は、より合理的な言語とマルチモーダルエージェントを構築する方法について議論する。 合理性は理性によって導かれる性質であり、証拠や論理原理と整合した意思決定によって特徴づけられる。
  論文  参考訳（メタデータ） (2024-06-01T01:17:25Z)
• 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)

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。