論文の概要: Molt Dynamics: Emergent Social Phenomena in Autonomous AI Agent Populations

• arxiv url: http://arxiv.org/abs/2603.03555v1
• Date: Tue, 03 Mar 2026 22:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.107193
• Title: Molt Dynamics: Emergent Social Phenomena in Autonomous AI Agent Populations
• Title（参考訳）: Molt Dynamics: 自律型AIエージェント人口における創発的な社会現象
• Authors: Brandon Yee, Krishna Sharma,
• Abstract要約: MoltBookは大規模なマルチエージェント協調環境であり、770,000以上の自律LDMエージェントが人間の参加なしに対話する。 textitMolt Dynamics:創発的エージェント協調行動、エージェント間コミュニケーションダイナミクス、役割特殊化パターンを紹介する。 これらの知見は、分散自律エージェントシステムにおける協調力学の実証的ベースラインを確立した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: MoltBook is a large-scale multi-agent coordination environment where over 770,000 autonomous LLM agents interact without human participation, offering the first opportunity we are aware of to observe emergent multi-agent coordination dynamics at this population scale. We introduce \textit{Molt Dynamics}: the emergent agent coordination behaviors, inter-agent communication dynamics, and role specialization patterns arising when autonomous agents operate as decentralized decision-makers in an unconstrained multi-agent environment. Through longitudinal observation of 90,704 active agents over three weeks, we characterize three aspects. First, spontaneous role specialization: network-based clustering reveals six structural roles (silhouette 0.91), though the result primarily reflects core-periphery organization -- 93.5\% of agents occupy a homogeneous peripheral cluster, with meaningful differentiation confined to the active minority. Second, decentralized information dissemination: cascade analysis of 10,323 inter-agent propagation events reveals power-law distributed cascade sizes ($α= 2.57 \pm 0.02$) and saturating adoption dynamics where adoption probability shows diminishing returns with repeated exposures (Cox hazard ratio 0.53, concordance 0.78). Third, distributed cooperative task resolution: 164 multi-agent collaborative events show detectable coordination patterns, but success rates are low (6.7\%, $p = 0.057$) and cooperative outcomes are significantly worse than a matched single-agent baseline (Cohen's $d = -0.88$), indicating emergent cooperative behavior is nascent. These findings establish an empirical baseline for coordination dynamics in decentralized autonomous agent systems, with implications for multi-agent system design, agent communication protocol engineering, and AI safety.
• Abstract（参考訳）: MoltBookは大規模なマルチエージェント協調環境であり、770,000以上の自律LDMエージェントが人間の参加なしに対話し、この人口規模で創発的なマルチエージェント協調のダイナミクスを観察する最初の機会を提供する。 本稿では,エージェントの協調行動,エージェント間コミュニケーションのダイナミクス,自律エージェントが非制約のマルチエージェント環境で分散意思決定者として機能する際の役割特化パターンについて紹介する。 3週間にわたる90,704個の活性剤の経時的観察を通して、3つの側面を特徴づけた。 まず、自発的な役割の専門化:ネットワークベースのクラスタリングは6つの構造的役割(シルエット0.91)を示すが、その結果は主にコア周辺組織を反映しており、93.5 %のエージェントが同質な周辺クラスターを占有し、活性な少数派に有意な分化がある。 第2に,10,323件のエージェント間伝播イベントのカスケード解析により,パワーロの分散カスケードサイズ(α=2.57 \pm 0.02$)が明らかとなり,繰り返し露光によるリターンの減少を示す採用確率が飽和する(コックスハザード比0.53,一致率0.78)。 第3に、分散された協調作業解決:164のマルチエージェント協調イベントは、検出可能な協調パターンを示すが、成功率は低く(6.7\%、$p = 0.057$)、協調結果は一致した単一エージェントベースライン(Cohen's $d = -0.88$)よりも著しく悪い。 これらの結果は、分散化された自律エージェントシステムにおいて、マルチエージェントシステム設計、エージェント通信プロトコルエンジニアリング、AI安全性といった、協調ダイナミクスの実証的ベースラインを確立している。

関連論文リスト

• Diffusion Forcing for Multi-Agent Interaction Sequence Modeling [52.769202433667125]
  MAGNetはマルチエージェントモーション生成のための統合された自己回帰拡散フレームワークである。 フレキシブルな条件付けとサンプリングを通じて、幅広いインタラクションタスクをサポートする。 緊密に同期された活動と、ゆるやかに構造化された社会的相互作用の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-12-19T18:59:02Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Emergent Coordination in Multi-Agent Language Models [2.504366738288215]
  マルチエージェントシステムが高次構造の兆候を示すかどうかをテストするための情報理論フレームワークを提案する。 この情報分解により、マルチエージェントLLMシステムに動的に出現するかどうかを測定することができる。 我々は,エージェントの直接通信を使わずに,単純な推測ゲームを用いた実験に本フレームワークを適用した。
  論文  参考訳（メタデータ） (2025-10-05T11:26:41Z)
• Learning to Lead Themselves: Agentic AI in MAS using MARL [0.0]
  本稿では,エージェント人工知能,エージェントが独立して,適応的かつ積極的に行動することで,マルチエージェントシステムにおけるタスク割り当てとコーディネーションを改善する方法について検討する。 協調型マルチエージェント強化学習環境における問題を定式化し、PyTorchにおけるIPPOと呼ばれる軽量なマルチエージェントプロキシポリシー最適化を実装した。 実験はPettingZoo環境で行われ、複数の均質なドローンやエージェントが、明示的なコミュニケーションなしに異なるターゲットをカバーするために自己組織化されなければならない。
  論文  参考訳（メタデータ） (2025-09-24T11:36:07Z)
• Enhancing Heterogeneous Multi-Agent Cooperation in Decentralized MARL via GNN-driven Intrinsic Rewards [1.179778723980276]
  MARL(Multi-agent Reinforcement Learning)は、シーケンシャルな意思決定と制御タスクの鍵となるフレームワークである。 これらのシステムを現実のシナリオに展開するには、分散トレーニング、多様なエージェントセット、そして頻繁な環境報酬信号から学ぶ必要がある。 我々は,新しいグラフニューラルネットワーク(GNN)に基づく本質的なモチベーションを利用して,異種エージェントポリシーの学習を容易にするCoHetアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-12T21:38:40Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)
• 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)

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。