論文の概要: Heterogeneous Debate Engine: Identity-Grounded Cognitive Architecture for Resilient LLM-Based Ethical Tutoring

• arxiv url: http://arxiv.org/abs/2603.27404v1
• Date: Sat, 28 Mar 2026 20:50:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.940907
• Title: Heterogeneous Debate Engine: Identity-Grounded Cognitive Architecture for Resilient LLM-Based Ethical Tutoring
• Title（参考訳）: 不均質な議論エンジン:弾力性LLMに基づく倫理的テュータリングのためのアイデンティティを包含した認知アーキテクチャ
• Authors: Jakub Masłowski, Jarosław A. Chudziak,
• Abstract要約: Heterogeneous Debate Engine(HDE)は、ID-RAG(ID-Grounded Retrieval-Augmented Generation)とHuristic Theory of Mindを併用した認知アーキテクチャである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are being increasingly used as autonomous agents in complex reasoning tasks, opening the niche for dialectical interactions. However, Multi-Agent systems implemented with systematically unconstrained systems systematically undergo semantic drift and logical deterioration and thus can hardly be used in providing ethical tutoring where a precise answer is required. Current simulation often tends to degenerate into dialectical stagnation, the agents degenerate into recursive concurrence or circular arguments. A critical challenge remains: how to enforce doctrinal fidelity without suppressing the generative flexibility required for dialectical reasoning? To address this niche, we contribute the Heterogeneous Debate Engine (HDE), a cognitive architecture that combines Identity-Grounded Retrieval-Augmented Generation (ID-RAG) for doctrinal fidelity and Heuristic Theory of Mind for strategic opponent modeling. Our evaluation shows that architectural heterogeneity is a crucial variable to stability: contrary doctrinal initializations (e.g., Deontology vs. Utilitarianism) have increased the Argument Complexity Scores of students by an order of magnitude, over baselines. These findings validate the effectiveness of ID-RAG and Heuristic ToM as architectural requirements in maintaining high-fidelity (adversarial) pedagogy.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、複雑な推論タスクにおいて自律的なエージェントとしてますます使われており、弁証的相互作用のニッチが開けている。 しかし、体系的に制約のないシステムで実装されたマルチエージェントシステムは、セマンティックドリフトと論理的劣化を体系的に行うため、正確な答えを必要とする倫理的学習を行うには利用できない。 現在のシミュレーションは、しばしば弁証的停滞に縮退する傾向があり、エージェントは再帰的収束または円形の議論に縮退する。 重要な課題は、弁証的推論に必要な生成的柔軟性を抑えることなく、どのように教義的忠実を強制するかである。 このニッチに対応するために,ID-RAG(ID-Grounded Retrieval-Augmented Generation,ID-RAG)とHuristic Theory of Mindを併用した認知アーキテクチャであるHeterogeneous Debate Engine(HDE)を提案する。 教義的初期化(例えば、デオントロジー対Utilitarianism)は、学生のArgument Complexity Scoresを、基準線よりも桁違いに増加させてきた。 以上の結果から,ID-RAG と Heuristic ToM が高忠実度(対向性)教育のアーキテクチャ要件として有効であることが示唆された。

関連論文リスト

• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• CoT-Seg: Rethinking Segmentation with Chain-of-Thought Reasoning and Self-Correction [50.67483317563736]
  本稿では,段階的に考察し,必要な情報を検索し,結果を生成し,自己評価を行い,結果を洗練するシステムを提案する。 CoT-Segは、思考の連鎖推論と自己補正を組み合わせることで、推論セグメンテーションを再考する、トレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2026-01-24T11:41:54Z)
• Exploring Syntropic Frameworks in AI Alignment: A Philosophical Investigation [0.0]
  AIアライメントは、プロセスベース、マルチエージェント、開発メカニズムを通じて、シントロピックで理由対応のエージェントを設計するものとして再認識されるべきである、と私は主張する。 コンテンツベースの値仕様が構造的に不安定なように見える理由を示す、仕様トラップの議論を明確にする。 マルチエージェントアライメントのダイナミクスを理解するための情報理論の枠組みとして, シントロピーを提案する。
  論文  参考訳（メタデータ） (2025-11-19T23:31:29Z)
• Hybrid Models for Natural Language Reasoning: The Case of Syllogistic Logic [3.421904493396495]
  本稿では,Sylological fragment をベンチマークとして,事前学習型大言語モデル(LLM)の論理一般化能力について検討する。 シンボリック推論とニューラル計算を組み合わせたハイブリッドアーキテクチャを提案する。 実験の結果,比較的小さな神経成分でも高い効率が維持できることがわかった。
  論文  参考訳（メタデータ） (2025-10-10T15:27:29Z)
• RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
  本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。 RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。 現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
  論文  参考訳（メタデータ） (2025-09-29T15:07:28Z)
• Simulating Society Requires Simulating Thought [9.879510182473487]
  本稿では,ジェネレーティブ・マインド(GenMinds,ジェネレーティブ・マインド)の概念的モデリングパラダイムを提案する。 これらの貢献は、社会シミュレーションのための言語だけでなく思考をシミュレートする表面レベルの模倣から生成的エージェントへと、より広範なシフトを推し進めている。
  論文  参考訳（メタデータ） (2025-06-08T00:59:02Z)
• Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
  本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。 オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。 大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
  論文  参考訳（メタデータ） (2024-02-23T16:50:07Z)

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。