論文の概要: Evaluating Cooperation in LLM Social Groups through Elected Leadership

• arxiv url: http://arxiv.org/abs/2604.11721v2
• Date: Mon, 20 Apr 2026 19:02:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 14:04:47.605584
• Title: Evaluating Cooperation in LLM Social Groups through Elected Leadership
• Title（参考訳）: LLMソーシャルグループにおけるリーダーシップの選抜による協力評価
• Abstract要約: 選出されたペルソナと候補者主導のアジェンダを通じてリーダーシップをシミュレートするオープンソースフレームワークを提示する。 本実験は, 社会福祉スコアが55.4%向上し, 生存時間が128.6%向上したことを示す。 この研究は、マルチエージェントシステムにおける選挙機構のさらなる研究の基礎を築いた。
• 参考スコア（独自算出の注目度）: 12.51154965291689
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Governing common-pool resources requires agents to develop enduring strategies through cooperation and self-governance to avoid collective failure. While foundation models have shown potential for cooperation in these settings, existing multi-agent research provides little insight into whether structured leadership and election mechanisms can improve collective decision making. The lack of such a critical organizational feature ubiquitous in human society presents a significant shortcoming of the current methods. In this work we aim to directly address whether leadership and elections can support improved social welfare and cooperation through multi-agent simulation with LLMs. We present our open-source framework that simulates leadership through elected personas and candidate-driven agendas and carry out an empirical study of LLMs under controlled governance conditions. Our experiments demonstrate that having elected leadership improves social welfare scores by 55.4% and survival time by 128.6% across a range of high performing LLMs. Through the construction of an agent social graph we compute centrality metrics to assess the social influence of leader personas and also analyze rhetorical and cooperative tendencies revealed through a sentiment analysis on leader utterances. This work lays the foundation for further study of election mechanisms in multi-agent systems toward navigating complex social dilemmas.
• Abstract（参考訳）: 共通プール資源を統治するには、エージェントは集団的失敗を避けるために協力と自己統治を通じて永続的な戦略を開発する必要がある。 基礎モデルはこれらの環境での協力の可能性を示しているが、既存のマルチエージェントの研究は、構造化されたリーダーシップと選挙機構が集団的意思決定を改善することができるかどうかについての洞察をほとんど提供していない。 人間社会においてこのような重要な組織的特徴が欠如していることは、現在の方法の重大な欠点を示している。 本研究は, LLMによるマルチエージェントシミュレーションを通じて, リーダーシップと選挙が社会福祉と協力の改善を支援することができるかどうかを, 直接的に検討することを目的とする。 本稿では,選ばれたペルソナや候補者主導の議題を通じてリーダーシップをシミュレートするオープンソースフレームワークについて述べる。 本実験は,選出された指導層が社会福祉スコアを55.4%改善し,生存時間が128.6%向上したことを示す。 エージェントソーシャルグラフの構築を通じて、中央集中度指標を算出し、リーダーペルソナの社会的影響を評価するとともに、リーダー発話に対する感情分析によって明らかになった修辞的・協力的な傾向を分析する。 この研究は、複雑な社会ジレンマをナビゲートするためのマルチエージェントシステムにおける選挙メカニズムのさらなる研究の基礎を築いた。

関連論文リスト

• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• The Role of Social Learning and Collective Norm Formation in Fostering Cooperation in LLM Multi-Agent Systems [13.628908663240564]
  我々は、明確な報酬信号を取り除き、文化進化機構を組み込むCPRシミュレーションフレームワークを導入する。 環境および社会的初期化のグリッドである2時間2ドルの標準的進化について検討する。 本研究は,協調の維持と規範形成における系統的モデルの違いを明らかにする。
  論文  参考訳（メタデータ） (2025-10-16T07:59:31Z)
• CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards [80.78748457530718]
  自己進化(Self-evolution)は、大規模言語モデル(LLM)ベースのエージェントが事前トレーニング後の能力を継続的に改善できるようにする上で、中心的な研究トピックである。 エージェントがエージェント間相互作用から学習することで自律的に改善できる新しいフレームワークであるCo-Evolving Multi-Agent Systems (CoMAS)を紹介する。
  論文  参考訳（メタデータ） (2025-10-09T17:50:26Z)
• Social Welfare Function Leaderboard: When LLM Agents Allocate Social Welfare [87.06241096619112]
  大規模言語モデル(LLM)は、人間の福祉に影響を及ぼす高い意思決定にますます信頼されている。 本稿では, LLMが主権アロケータとして機能する動的シミュレーション環境である社会福祉機能ベンチマークを紹介する。 我々は、20の最先端LCMを評価し、社会福祉確保のための第1のリーダーボードを提示する。
  論文  参考訳（メタデータ） (2025-10-01T17:52:31Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)

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。