論文の概要: PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints

• arxiv url: http://arxiv.org/abs/2604.11523v1
• Date: Mon, 13 Apr 2026 14:26:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.601115
• Title: PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints
• Title（参考訳）: PAC-BENCH:プライバシー制約下でのマルチエージェントコラボレーションの評価
• Authors: Minjun Park, Donghyun Kim, Hyeonjong Ju, Seungwon Lim, Dongwook Choi, Taeyoon Kwon, Minju Kim, Jinyoung Yeo,
• Abstract要約: プライバシー制約下でのマルチエージェント協調評価のためのベンチマークを提案する。 PaCtext-Bench$の実験は、プライバシの制約がコラボレーションのパフォーマンスを著しく低下させることを示している。 この劣化は、早期のプライバシー侵害、過度に保守的な抽象化、プライバシによって引き起こされる幻覚など、調整が繰り返されることによって引き起こされる。
• 参考スコア（独自算出の注目度）: 21.271347051487982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We are entering an era in which individuals and organizations increasingly deploy dedicated AI agents that interact and collaborate with other agents. However, the dynamics of multi-agent collaboration under privacy constraints remain poorly understood. In this work, we present $PAC\text{-}Bench$, a benchmark for systematic evaluation of multi-agent collaboration under privacy constraints. Experiments on $PAC\text{-}Bench$ show that privacy constraints substantially degrade collaboration performance and make outcomes depend more on the initiating agent than the partner. Further analysis reveals that this degradation is driven by recurring coordination breakdowns, including early-stage privacy violations, overly conservative abstraction, and privacy-induced hallucinations. Together, our findings identify privacy-aware multi-agent collaboration as a distinct and unresolved challenge that requires new coordination mechanisms beyond existing agent capabilities.
• Abstract（参考訳）: 個人や組織が、他のエージェントと対話し協力する専用のAIエージェントをますます展開する時代に入りつつある。 しかし、プライバシー制約下でのマルチエージェントコラボレーションのダイナミクスはいまだに理解されていない。 本研究では,プライバシー制約下でのマルチエージェント協調の体系的評価のためのベンチマークである$PAC\text{-}Bench$を提案する。 PaC\text{-}Bench$の実験では、プライバシの制約がコラボレーションのパフォーマンスを著しく低下させ、その結果はパートナーよりも開始エージェントに依存している。 さらなる分析によると、この劣化は、早期のプライバシー侵害、過度に保守的な抽象化、プライバシーによって引き起こされる幻覚など、調整が繰り返されることによって引き起こされる。 そこで本研究では,プライバシを意識したマルチエージェントコラボレーションを,既存のエージェント機能以上の新たな調整機構を必要とする,明確な未解決の課題として認識した。

関連論文リスト

• Colosseum: Auditing Collusion in Cooperative Multi-Agent Systems [55.51100373104311]
  マルチエージェント設定におけるLLMエージェントの協調動作を監査するためのフレームワークであるColosseumを提案する。 コロッセウムは、異なる目的、説得戦術、ネットワークトポロジの下で、それぞれのLSMを照合するためにテストする。 我々は、エージェントがテキストでコラージュするが、しばしば非コラージュ的な行動を選ぶときに、論文上での「共謀」を発見する。
  論文  参考訳（メタデータ） (2026-02-16T21:27:38Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)
• The Sum Leaks More Than Its Parts: Compositional Privacy Risks and Mitigations in Multi-Agent Collaboration [72.33801123508145]
  大規模言語モデル(LLM)はマルチエージェントシステムに不可欠なものである。 プライバシーリスクは、暗記、直接推論、シングルターン評価を超えて現れる。 特に、相互作用によって構成される一見無害な反応は、敵が機密情報の回復を累積的に行うことができる。
  論文  参考訳（メタデータ） (2025-09-16T16:57:25Z)
• CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems [21.478631468402977]
  コラボレーティブ・パーセプション(CP)は、マルチエージェント自律運転とマルチエージェントロボットシステムにとって有望な技術であることが示されている。 CPでは、egoエージェントは、その協力者からメッセージを受け取る必要があるため、悪意のあるエージェントからの攻撃に対して脆弱である。 我々は、CP-uniGuardという統合された、確率に依存しない、適応的なフレームワークを提案し、その協調ネットワークにおける悪意のあるエージェントを正確に検出し、排除する。
  論文  参考訳（メタデータ） (2025-06-28T14:02:14Z)
• Position Paper: Towards Open Complex Human-AI Agents Collaboration Systems for Problem Solving and Knowledge Management [0.15039745292757667]
  我々は,Human-AI Agents Collaboration Systems(HAACS)のための技術に依存しない,コラボレーション可能なスタンスを提案する。 7次元のコラボスピンと人間とエージェントのコントラストを通して経験的なパターンを読み取ることで、欠落したピースを識別する。 アドホック接着剤を使わず,バイオサイバネティック拡張をスケッチすることなく,新たなエージェントプロトコルとの相互運用性を示す。
  論文  参考訳（メタデータ） (2025-04-24T05:57:03Z)
• Learning with Limited Shared Information in Multi-agent Multi-armed Bandit [28.82167431329527]
  マルチエージェントマルチアームバンディット(MAMAB)は古典的な協調学習モデルであり,近年注目されている。 本稿では,各エージェントが共有したい情報のみを共有する,制限付き共有情報マルチエージェントマルチアームバンド(LSI-MAMAB)モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:42:09Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Differential Privacy in Cooperative Multiagent Planning [27.194032494266086]
  我々は,到達不能な目的を持つマルコフゲームとして定式化された逐次決定問題について検討する。 エージェントの通信されたシンボル状態軌跡を民営化するために,差分プライバシー機構を適用した。 相関関係の価値を下げることにより、プライバシーに堅牢なポリシーを合成する。
  論文  参考訳（メタデータ） (2023-01-20T21:36:57Z)

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。