論文の概要: Agentic Hives: Equilibrium, Indeterminacy, and Endogenous Cycles in Self-Organizing Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2603.00130v1
• Date: Mon, 23 Feb 2026 13:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.041435
• Title: Agentic Hives: Equilibrium, Indeterminacy, and Endogenous Cycles in Self-Organizing Multi-Agent Systems
• Title（参考訳）: エージェントハイブ : 自己組織型マルチエージェントシステムにおける平衡,不決定性,内因性サイクル
• Authors: Jean-Philippe Garnier,
• Abstract要約: 現在のマルチエージェントAIシステムは、設計時に役割が特定された一定数のエージェントで運用されている。 正式な理論では、エージェントがいつ作成され、破壊され、または再特定されるべきかは定かではない。 我々は,サンドボックス型実行環境を備えた自律型マイクロエージェントの多様性集団を実現するフレームワークであるAgentic Hiveを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current multi-agent AI systems operate with a fixed number of agents whose roles are specified at design time. No formal theory governs when agents should be created, destroyed, or re-specialized at runtime-let alone how the population structure responds to changes in resources or objectives. We introduce the Agentic Hive, a framework in which a variable population of autonomous micro-agents-each equipped with a sandboxed execution environment and access to a language model-undergoes demographic dynamics: birth, duplication, specialization, and death. Agent families play the role of production sectors, compute and memory play the role of factors of production, and an orchestrator plays the dual role of Walrasian auctioneer and Global Workspace. Drawing on the multi-sector growth theory developed for dynamic general equilibrium (Benhabib \& Nishimura, 1985; Venditti, 2005; Garnier, Nishimura \& Venditti, 2013), we prove seven analytical results: (i) existence of a Hive Equilibrium via Brouwer's fixed-point theorem; (ii) Pareto optimality of the equilibrium allocation; (iii) multiplicity of equilibria under strategic complementarities between agent families; (iv)-(v) Stolper-Samuelson and Rybczynski analogs that predict how the Hive restructures in response to preference and resource shocks; (vi) Hopf bifurcation generating endogenous demographic cycles; and (vii) a sufficient condition for local asymptotic stability. The resulting regime diagram partitions the parameter space into regions of unique equilibrium, indeterminacy, endogenous cycles, and instability. Together with the comparative-statics matrices, it provides a formal governance toolkit that enables operators to predict and steer the demographic evolution of self-organizing multi-agent systems.
• Abstract（参考訳）: 現在のマルチエージェントAIシステムは、設計時に役割が特定された一定数のエージェントで運用されている。 公式な理論では、エージェントがいつ生成されるか、破壊されるか、あるいは実行時にのみ特殊化されるかは、人口構造が資源や目的の変化にどのように反応するかは定かではない。 エージェント・ハイブ(Agentic Hive)は,サンドボックス型実行環境と言語モデルへのアクセスにより,出生,重複,特殊化,死亡といった人口動態をモデル化するフレームワークである。 エージェントファミリーは生産部門の役割を担い、計算と記憶は生産の要因の役割を担い、オーケストレータはウォルラシア競売とグローバルワークスペースの二重の役割を担っている。 動的一般均衡のために開発されたマルチセクタ成長理論 (Benhabib \& Nishimura, 1985; Venditti, 2005; Garnier, Nishimura \& Venditti, 2013) に基づいて, 7つの解析結果が得られた。 (i)ブラウワーの不動点定理によるHive平衡の存在 二 均衡割当のパレート最適性 三 エージェント・ファミリー間の戦略的相補性による均衡の多重性 (4)- (v)Hiveが嗜好や資源ショックに反応してどのように再構成するかを予測するStolper-SamuelsonとRybczynskiアナログ 六 内因性人口循環を生ずるホップ分岐 (vii)局所的な漸近安定性に十分な条件。 結果として得られる状態図は、パラメータ空間を一意平衡、不確定性、内因性サイクル、不安定性の領域に分割する。 比較静的行列とともに、オペレーターが自己組織型マルチエージェントシステムの人口動態を予測し、制御できるフォーマルなガバナンスツールキットを提供する。

関連論文リスト

• PhysicsAgentABM: Physics-Guided Generative Agent-Based Modeling [47.029742241618635]
  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では,表現的エージェント推論が可能であるが,拡張性は高く,時間段階整合状態遷移シミュレーションではキャリブレーションが不十分である。 本研究では,推論を行動コヒーレントなエージェントクラスタにシフトさせる物理AgentABMを提案する。 公衆衛生、ファイナンス、社会科学における実験は、機械的、神経的、LLMベースラインに対する事象時の精度と校正において一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-05T18:59:01Z)
• Convergence dynamics of Agent-to-Agent Interactions with Misaligned objectives [3.9351446512514947]
  マルチエージェントシナリオにおけるエージェントとエージェントの相互作用に関する理論的枠組みを開発する。 エージェントが不整合目的を持つ場合の相互作用に関連する生成ダイナミクスを特徴付ける。 本フレームワークは,マルチエージェントシステムの研究,予測,防衛を行うためのセットアップを提供する。
  論文  参考訳（メタデータ） (2025-11-11T19:18:55Z)
• Ultracoarse Equilibria and Ordinal-Folding Dynamics in Operator-Algebraic Models of Infinite Multi-Agent Games [0.0]
  エージェントの連続体を持つ無限ゲームのための演算子代数的フレームワークを開発する。 非可換連続性方程式によって支配される後悔に基づく学習力学が、一意の量子応答平衡に収束することを証明する。 本稿では,力学の自己参照深度を測定する計算可能な順序値指標である順序折り畳み指数を導入する。
  論文  参考訳（メタデータ） (2025-07-25T22:20:42Z)
• From Individual Learning to Market Equilibrium: Correcting Structural and Parametric Biases in RL Simulations of Economic Models [3.036596192442501]
  強化学習の経済モデリングへの応用は、均衡理論の仮定と学習エージェントの創発的行動の根本的な矛盾を明らかにする。 本稿ではまず, コンケーブ生成を伴う探索マッチングモデルにおいて, 標準RLエージェントが非平衡な単調なポリシーを学習することを示す。 本稿では, マクロ経済分野に代表エージェントを組み込んだ平均場強化学習フレームワークを提案し, 経済的機会コストを反映したコスト関数の調整を行う。
  論文  参考訳（メタデータ） (2025-07-24T09:21:02Z)
• Regret Minimization in Population Network Games: Vanishing Heterogeneity and Convergence to Equilibria [11.393556897060689]
  我々は,不均質なエージェントが統一行動に対して様々な初期方針をとどめ,スムーズな後悔のマッチングがいかに多くの不均質なエージェントを駆動するかを示す。 我々は,競争的・協調的なマルチエージェント設定において,量子応答平衡に収束することを証明する。
  論文  参考訳（メタデータ） (2025-07-23T04:13:56Z)
• Independent Natural Policy Gradient Methods for Potential Games: Finite-time Global Convergence with Entropy Regularization [28.401280095467015]
  本研究では,独立エントロピー規則化自然ポリシー勾配法(NPG)の有限時間収束について検討する。 提案手法は, 作用空間の大きさに依存しないサブ線形速度で量子応答平衡(QRE)に収束することを示す。
  論文  参考訳（メタデータ） (2022-04-12T01:34:02Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。