論文の概要: Strategic Persuasion with Trait-Conditioned Multi-Agent Systems for Iterative Legal Argumentation

• arxiv url: http://arxiv.org/abs/2604.07028v1
• Date: Wed, 08 Apr 2026 12:46:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.53035
• Title: Strategic Persuasion with Trait-Conditioned Multi-Agent Systems for Iterative Legal Argumentation
• Title（参考訳）: 反復的法的解決のためのトランジション・コンディションド・マルチエージェントシステムによる戦略的説得
• Authors: Philipp D. Siedler,
• Abstract要約: 本稿では,訴追・弁護チームが反復的,ラウンドベースの法的議論を行うマルチエージェントシミュレーション環境であるStrategic Courtroom Frameworkを提案する。 エージェントは4つのアーチタイプに整理された9つの解釈可能な特性を用いてインスタンス化され、修辞的なスタイルと戦略的な方向性を体系的に制御できる。 その結果, 相補的な特性を持つ異種チームは相補的な構成を一貫して上回り, 中間的な相互作用深度はより安定な評価をもたらし, ある種の特性(特に定量的でカリスマ的な)が説得的成功に不均衡に寄与していることが示唆された。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Strategic interaction in adversarial domains such as law, diplomacy, and negotiation is mediated by language, yet most game-theoretic models abstract away the mechanisms of persuasion that operate through discourse. We present the Strategic Courtroom Framework, a multi-agent simulation environment in which prosecution and defense teams composed of trait-conditioned Large Language Model (LLM) agents engage in iterative, round-based legal argumentation. Agents are instantiated using nine interpretable traits organized into four archetypes, enabling systematic control over rhetorical style and strategic orientation. We evaluate the framework across 10 synthetic legal cases and 84 three-trait team configurations, totaling over 7{,}000 simulated trials using DeepSeek-R1 and Gemini~2.5~Pro. Our results show that heterogeneous teams with complementary traits consistently outperform homogeneous configurations, that moderate interaction depth yields more stable verdicts, and that certain traits (notably quantitative and charismatic) contribute disproportionately to persuasive success. We further introduce a reinforcement-learning-based Trait Orchestrator that dynamically generates defense traits conditioned on the case and opposing team, discovering strategies that outperform static, human-designed trait combinations. Together, these findings demonstrate how language can be treated as a first-class strategic action space and provide a foundation for building autonomous agents capable of adaptive persuasion in multi-agent environments.
• Abstract（参考訳）: 法、外交、交渉のような敵領域における戦略的相互作用は言語によって媒介されるが、ほとんどのゲーム理論モデルは言論を通して機能する説得のメカニズムを抽象化する。 本稿では,マルチエージェントシミュレーション環境であるStrategic Courtroom Frameworkについて述べる。 エージェントは4つのアーチタイプに整理された9つの解釈可能な特性を用いてインスタンス化され、修辞的なスタイルと戦略的な方向性を体系的に制御できる。 DeepSeek-R1 と Gemini~2.5~Pro を用いた 7{,}000 以上の模擬試験を行った。 その結果, 相補的な特性を持つ異種チームは相補的な構成を一貫して上回り, 中間的な相互作用深度はより安定な評価をもたらし, ある種の特性(特に定量的でカリスマ的な)が説得的成功に不均衡に寄与していることが示唆された。 さらに、ケースと反対チームで条件付けられた防御特性を動的に生成する強化学習ベースのトレイトオーケストレータを導入し、静的な人為的な特徴の組み合わせよりも優れた戦略を発見する。 これらの知見は, 言語を第1級戦略行動空間として扱えるかを示し, マルチエージェント環境における適応的説得能力を持つ自律エージェント構築の基礎を提供する。

関連論文リスト

• MARTI-MARS$^2$: Scaling Multi-Agent Self-Search via Reinforcement Learning for Code Generation [64.2621682259008]
  セルフサーチスケーリングによるマルチエージェント強化トレーニングと推論フレームワーク(MARTI-MARS2) 本稿では,MARTI-MARS2を用いたマルチエージェント強化学習・推論フレームワークを提案する。 我々は、MARTI-MARS2が77.7%を獲得し、GPT-5.1のような強力なベースラインを、挑戦的なコード生成ベンチマークで上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-08T07:28:44Z)
• AgenticSimLaw: A Juvenile Courtroom Multi-Agent Debate Simulation for Explainable High-Stakes Tabular Decision Making [0.6218206949753592]
  我々はAgenticSimLawを紹介した。これは、透明で制御可能なテストタイム推論を提供するロール構造化マルチエージェントの議論フレームワークである。 ブラックボックスアプローチとは異なり、裁判所スタイルのオーケストレーションでは、エージェントの役割を明確に定義しています。 NLSY97データセットを用いて、この枠組みを若者の復習予測にベンチマークする。
  論文  参考訳（メタデータ） (2026-01-29T16:26:10Z)
• OPTAGENT: Optimizing Multi-Agent LLM Interactions Through Verbal Reinforcement Learning for Enhanced Reasoning [14.105640933123325]
  大規模言語モデル(LLM)は、数学的および科学的タスクにおいて顕著な推論能力を示している。 複雑な推論を強化するため、LLMエージェントの集合的知性を活用するためにマルチエージェントシステムが提案されている。 複数エージェントの協調構造を動的に構築・洗練する多エージェント言語強化学習アルゴリズムである$ours$を提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:07:51Z)
• LLMs as Strategic Agents: Beliefs, Best Response Behavior, and Emergent Heuristics [0.0]
  大規模言語モデル(LLM)は、他のエージェントの振る舞いを推論する必要のあるドメインにますます適用されています。 現状のフロンティアモデルでは, 目的的推論記憶における信念コヒーレントなベストレスポンス行動を示す。 複雑さが増大する中で、明示的な再帰は、安定した、モデル固有の、既知の人間のバイアスとは異なる選択規則を内部的に生成する手段を与える。
  論文  参考訳（メタデータ） (2025-10-12T21:40:29Z)
• Can an Individual Manipulate the Collective Decisions of Multi-Agents? [53.01767232004823]
  M-Spoilerは、マルチエージェントシステム内のエージェントインタラクションをシミュレートして、対向サンプルを生成するフレームワークである。 M-スポイラーは、敵対的サンプルの最適化を積極的に支援するスタブボーン剤を導入した。 本研究は,マルチエージェントシステムにおける個々のエージェントの知識によって引き起こされるリスクを検証した。
  論文  参考訳（メタデータ） (2025-09-20T01:54:20Z)
• The Traitors: Deception and Trust in Multi-Agent Language Model Simulations [0.0]
  ソーシャル・デダクション・ゲームに触発されたマルチエージェント・シミュレーション・フレームワークであるThe Traitorsを紹介した。 我々は,詐欺の成功,信頼ダイナミクス,集団推論品質を計測する評価指標のスイートを開発する。 DeepSeek-V3, GPT-4o-mini, GPT-4o(モデル毎に10回の走行)による実験では, 顕著な非対称性が示された。
  論文  参考訳（メタデータ） (2025-05-19T10:01:35Z)
• 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)
• RESPER: Computationally Modelling Resisting Strategies in Persuasive Conversations [0.7505101297221454]
  説得的会話における抵抗戦略を識別するための一般化フレームワークを提案する。 実験では,非協調的目標指向会話におけるパワーロールの非対称性を明らかにする。 また,会話結果に対するさまざまな抵抗戦略の役割についても検討した。
  論文  参考訳（メタデータ） (2021-01-26T03:44:17Z)

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。