論文の概要: Talk is Cheap, Communication is Hard: Dynamic Grounding Failures and Repair in Multi-Agent Negotiation

• arxiv url: http://arxiv.org/abs/2605.01750v1
• Date: Sun, 03 May 2026 07:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.922393
• Title: Talk is Cheap, Communication is Hard: Dynamic Grounding Failures and Repair in Multi-Agent Negotiation
• Title（参考訳）: 会話は安上がりでコミュニケーションは難しい:マルチエージェントネゴシエーションにおける動的接地障害と修復
• Authors: Yiheng Yao, Chelsea Zou, Robert D. Hawkins,
• Abstract要約: 接地とは、現在のコミュニケーション目的に十分な相互信条を確立するための協調的なプロセスである。 現在のマルチエージェント大規模言語モデル(LLM)ベンチマークは、静的なワンショットタスクに焦点を当てている。 2人のエージェントが共同で最適な結果が検証可能なプライベートプロジェクトに向けて共有リソースを割り当てる、反復多ターン交渉ゲームを導入する。
• 参考スコア（独自算出の注目度）: 2.5089149965583086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Grounding is the collaborative process of establishing mutual belief sufficient for the current communicative purpose. While static grounding maps language to a shared, externally observable context, dynamic grounding is a joint activity where meaning is negotiated through interaction. Current multi-agent Large Language Model (LLM) benchmarks focus on static, one-shot tasks, overlooking the ability to repair grounding breakdowns across turns. We introduce an iterated, multi-turn negotiation game in which two agents allocate shared resources toward private projects with verifiable jointly optimal outcomes. While individual agents can identify Pareto-optimal allocations in isolation, agent dyads consistently fail to reach them across open- and closed-source models. Our investigation reveals four failure modes: (1) coordination degrades when shared interaction history is absent; (2) yet accumulated context can itself become a liability through stubborn anchoring, where initial proposals are treated as axiomatic rather than negotiable; (3) a reliance on perfunctory fairness (equal resource splits) over reward-maximizing coordination; and (4) failures in referential binding, where agents lose track of commitments across turns. These results highlight dynamic grounding as a critical and understudied axis of multi-agent coordination. Our framework decomposes the coordination gap into measurable components: the oracle baseline establishes that the gap is not attributable to individual reasoning limitations; the no-talk baseline establishes that communication is necessary; and a full-transparency intervention establishes that information exchange alone is insufficient: the bottleneck lies in the interactive processes of joint plan formation, commitment, and execution that constitute dynamic grounding.
• Abstract（参考訳）: 接地とは、現在のコミュニケーション目的に十分な相互信条を確立するための協調的なプロセスである。 静的接地言語は、共有された外部観測可能なコンテキストにマップするが、動的接地は相互作用を通じて意味が交渉される共同活動である。 現在のマルチエージェントのLarge Language Model (LLM)ベンチマークでは、静的でワンショットのタスクに重点を置いている。 2人のエージェントが共同で最適な結果が検証可能なプライベートプロジェクトに向けて共有リソースを割り当てる、反復多ターン交渉ゲームを導入する。 個々のエージェントは個別にパレート最適割り当てを識別できるが、エージェントダイアドはオープンソースモデルとクローズドソースモデルでそれらを到達できない。 本研究は,(1)共有インタラクション履歴の欠如によるコーディネーションの低下,(2)蓄積されたコンテキスト自体がスタバボーンアンカーによる負債となること,(3)報酬最大化コーディネーションに対する説得的公正性(リソース分割)への依存,(4)参照バインディングにおけるエージェントがターン間のコミットメントの追跡を失うこと,の4つの障害モードを明らかにした。 これらの結果は,マルチエージェント協調の臨界軸として,動的接地を強調させる。 我々のフレームワークは、調整のギャップを測定可能なコンポーネントに分解する: オラクルのベースラインは、ギャップが個々の推論の制限に起因するものではないことを証明し、ノトークのベースラインは、コミュニケーションが重要であることを証明し、完全な透明性の介入は、情報交換だけでは不十分であることを証明し、ボトルネックは、共同計画の形成、コミットメント、実行のインタラクティブなプロセスにある。

関連論文リスト

• 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)
• DR. WELL: Dynamic Reasoning and Learning with Symbolic World Model for Embodied LLM-Based Multi-Agent Collaboration [18.250351934101463]
  DR. WELLは、協調的マルチエージェント計画のための分散型神経シンボルフレームワークである。 エージェントは候補者の役割を提案し、合意と環境制約の下で共同割り当てをコミットする。 各エージェントは、詳細な軌道を明らかにすることなく、独立してその役割の象徴的な計画を生成し実行します。
  論文  参考訳（メタデータ） (2025-11-06T18:37:18Z)
• Learning to Interact in World Latent for Team Coordination [53.51290193631586]
  本研究は,多エージェント強化学習(MARL)におけるチーム協調を支援するために,対話型ワールドラテント(IWoL)という新しい表現学習フレームワークを提案する。 コミュニケーションプロトコルを直接モデル化することにより,エージェント間関係とタスク固有の世界情報とを協調的にキャプチャする学習可能な表現空間を構築する。 私たちの表現は、各エージェントの暗黙のラテントとしてだけでなく、コミュニケーションのための明示的なメッセージとしても使用できます。
  論文  参考訳（メタデータ） (2025-09-29T22:13:39Z)
• Towards Collaborative Intelligence: Propagating Intentions and Reasoning for Multi-Agent Coordination with Large Language Models [41.95288786980204]
  現在のエージェントフレームワークは、シングルエージェント実行への依存に悩まされ、モジュール間通信が堅牢でないことが多い。 協調的なMARLにおける協調行動を可能にするための協調エージェントとして,大規模言語モデルを訓練するためのフレームワークを提案する。 伝搬ネットワークは、放送意図をチームメイト固有のコミュニケーションメッセージに変換し、指定されたチームメイトと関連する目標を共有する。
  論文  参考訳（メタデータ） (2024-07-17T13:14:00Z)
• Asynchronous Message-Passing and Zeroth-Order Optimization Based Distributed Learning with a Use-Case in Resource Allocation in Communication Networks [11.182443036683225]
  分散学習と適応は大きな関心を集め、機械学習信号処理に広く応用されている。 本稿では、エージェントが共通のタスクに向けて協調するシナリオに焦点を当てる。 送信者として働くエージェントは、グローバルな報酬を最大化するために、それぞれのポリシーを共同で訓練する。
  論文  参考訳（メタデータ） (2023-11-08T11:12:27Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)

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。