論文の概要: Cooperation Breakdown in LLM Agents Under Communication Delays

• arxiv url: http://arxiv.org/abs/2602.11754v1
• Date: Thu, 12 Feb 2026 09:31:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.747137
• Title: Cooperation Breakdown in LLM Agents Under Communication Delays
• Title（参考訳）: 通信遅延下におけるLDMエージェントの協調破壊
• Authors: Keita Nishimoto, Kimitaka Asatani, Ichiro Sakata,
• Abstract要約: 本稿では,自律エージェント群における協調と協調の出現を概念化するFLCOAフレームワークを提案する。 通信遅延の影響を調べるために,通信遅延を伴う連続囚人ジレンマを導入する。 過度な遅延は、エクスプロイトのサイクルを減少させ、遅延度と相互協力のU字型関係をもたらすことが判明した。
• 参考スコア（独自算出の注目度）: 3.619444603816032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM-based multi-agent systems (LLM-MAS), in which autonomous AI agents cooperate to solve tasks, are gaining increasing attention. For such systems to be deployed in society, agents must be able to establish cooperation and coordination under real-world computational and communication constraints. We propose the FLCOA framework (Five Layers for Cooperation/Coordination among Autonomous Agents) to conceptualize how cooperation and coordination emerge in groups of autonomous agents, and highlight that the influence of lower-layer factors - especially computational and communication resources - has been largely overlooked. To examine the effect of communication delay, we introduce a Continuous Prisoner's Dilemma with Communication Delay and conduct simulations with LLM-based agents. As delay increases, agents begin to exploit slower responses even without explicit instructions. Interestingly, excessive delay reduces cycles of exploitation, yielding a U-shaped relationship between delay magnitude and mutual cooperation. These results suggest that fostering cooperation requires attention not only to high-level institutional design but also to lower-layer factors such as communication delay and resource allocation, pointing to new directions for MAS research.
• Abstract（参考訳）: LLMベースのマルチエージェントシステム(LLM-MAS)は、自律型AIエージェントがタスクの解決に協力し、注目を集めている。 このようなシステムが社会に展開するには、エージェントは現実の計算と通信の制約の下で協調と協調を確立する必要がある。 我々は,自律エージェント群における協調・協調の出現を概念化するFLCOAフレームワークを提案し,低層要因,特に計算・通信資源の影響について概ね見落としていることを強調した。 通信遅延の影響を調べるために,通信遅延を伴う連続囚人ジレンマを導入し,LLMエージェントを用いたシミュレーションを行う。 遅延が増加すると、エージェントは明示的な指示なしに遅い応答を利用するようになる。 興味深いことに、過剰な遅延は搾取のサイクルを減少させ、遅延の大きさと相互協力の間のU字型の関係をもたらす。 これらの結果は,高レベルの制度設計だけでなく,MAS研究の新たな方向性を示すため,コミュニケーション遅延や資源配分といった低層要因にも注意が必要であることを示唆している。

関連論文リスト

• Towards Adaptive, Scalable, and Robust Coordination of LLM Agents: A Dynamic Ad-Hoc Networking Perspective [31.81236449944822]
  RAPSは、LLMエージェントの適応性、拡張性、堅牢な調整のための、評判の高いパブリッシュ・サブスクライブ・パラダイムである。 RAPSは2つの一貫性のあるオーバーレイを組み込んでいる: (i) リアクティブ・サブスクライブ(reactive Subscription) エージェントがその意図を動的に洗練することを可能にし、 (ii) ベイジアン・レピュテーション(Bayesian Reputation)。
  論文  参考訳（メタデータ） (2026-02-08T15:26:02Z)
• Can LLM Agents Solve Collaborative Tasks? A Study on Urgency-Aware Planning and Coordination [4.511923587827302]
  大規模言語モデル(LLM)は、コミュニケーション、計画、推論において強力な能力を示している。 本研究は,マルチエージェント協調作業におけるLCMの強みと失敗モードに関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-08-20T11:44:10Z)
• 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)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• Multi-Agent Autonomous Driving Systems with Large Language Models: A Survey of Recent Advances [61.539442227802226]
  大規模言語モデル(LLM)は、ハイレベルな意思決定をサポートするために、自律運転システム(ADS)に統合されている。 LLMは、限られた認識、不十分な協調、高い計算要求の3つの大きな課題に直面している。 マルチエージェントADSの最近の進歩は、言語によるコミュニケーションとコーディネーションを活用して、エージェント間コラボレーションを強化している。
  論文  参考訳（メタデータ） (2025-02-24T03:26:13Z)
• CoDe: Communication Delay-Tolerant Multi-Agent Collaboration via Dual Alignment of Intent and Timeliness [21.627120541083553]
  本稿では,通信遅延耐性多エージェント協調(CoDe)という新しいフレームワークを提案する。 最初にCoDeは、将来のアクション推論を通じてメッセージとしての意図表現を学習する。 次にCoDeは、非同期メッセージの融合プロセスを強化するために、インテントとタイムラインの二重アライメント機構を考案した。
  論文  参考訳（メタデータ） (2025-01-09T12:57:41Z)
• Towards Collaborative Intelligence: Propagating Intentions and Reasoning for Multi-Agent Coordination with Large Language Models [41.95288786980204]
  現在のエージェントフレームワークは、シングルエージェント実行への依存に悩まされ、モジュール間通信が堅牢でないことが多い。 協調的なMARLにおける協調行動を可能にするための協調エージェントとして,大規模言語モデルを訓練するためのフレームワークを提案する。 伝搬ネットワークは、放送意図をチームメイト固有のコミュニケーションメッセージに変換し、指定されたチームメイトと関連する目標を共有する。
  論文  参考訳（メタデータ） (2024-07-17T13:14:00Z)
• Embodied LLM Agents Learn to Cooperate in Organized Teams [46.331162216503344]
  大規模言語モデル(LLM)は、推論、計画、意思決定のための統合的なツールとして登場した。 本稿では,これらの問題を緩和するために,LSMエージェントにプロンプトベースの組織構造を課す枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-19T06:39:47Z)
• DACOM: Learning Delay-Aware Communication for Multi-Agent Reinforcement Learning [19.36041216505116]
  コミュニケーション遅延を無視することはコラボレーションに有害な影響を与えることを示す。 遅延に適応するための遅延対応マルチエージェント通信モデル(DACOM)を設計する。 実験の結果,DACOMは他の機構に比べて非無視的な性能向上が見られた。
  論文  参考訳（メタデータ） (2022-12-03T14:20:59Z)

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。