論文の概要: Control Charts for Multi-agent Systems

• arxiv url: http://arxiv.org/abs/2605.11135v1
• Date: Mon, 11 May 2026 18:42:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.364889
• Title: Control Charts for Multi-agent Systems
• Title（参考訳）: マルチエージェントシステムの制御チャート
• Authors: Hayden Helm, Carey Priebe, Brandon Duderstadt,
• Abstract要約: 環境から学習可能なマルチエージェントシステムを監視するためには,適応制御チャートが必要であることを示す。 適応制御チャートは, 十分に緩やかに障害する敵エージェントに感受性があることが示される。 システム内のエージェントが学習できないか、システムが敵対者に影響を受けやすいかのどちらかだ。
• 参考スコア（独自算出の注目度）: 1.5282767384702272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative agents have proven to be powerful assistants in a wide variety of contexts. Given this success, users are now deploying agents with minimal restrictions in open ended, multi-agent environments. Current methods for monitoring the dynamics of open-ended multi-agent systems are limited to qualitative inspection. In this paper, we extend the process-theoretic notion of adaptive control charts to multi-agent systems to enable automated monitoring. Using simulation, we demonstrate that adaptive control charts are necessary for monitoring multi-agent systems that can learn from their environment. We further demonstrate, both empirically and theoretically, that adaptive control charts are susceptible to adversarial agents that defect sufficiently slowly. These results illustrate a fundamental tradeoff in multi-agent system control: either agents in a system cannot learn or the system is susceptible to adversaries.
• Abstract（参考訳）: 生成エージェントは、様々な状況において強力なアシスタントであることが証明されている。 この成功を考えると、ユーザはオープンエンドのマルチエージェント環境において最小限の制限でエージェントをデプロイしている。 オープンエンドマルチエージェントシステムのダイナミクスをモニタリングする現在の方法は質的検査に限られている。 本稿では,適応制御チャートのプロセス理論的概念をマルチエージェントシステムに拡張し,自動監視を実現する。 シミュレーションを用いて,環境から学習可能なマルチエージェントシステムを監視するためには,適応制御チャートが必要であることを示す。 さらに, 適応制御チャートは, 十分に緩やかに障害する敵エージェントに感受性があることを実証的および理論的に証明した。 これらの結果は,マルチエージェントシステム制御における基本的なトレードオフを示唆している。

関連論文リスト

• 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)
• SafeMobile: Chain-level Jailbreak Detection and Automated Evaluation for Multimodal Mobile Agents [58.21223208538351]
  本研究は,モバイルマルチモーダルエージェントを取り巻くセキュリティ問題について考察する。 行動シーケンス情報を組み込んだリスク識別機構の構築を試みる。 また、大規模言語モデルに基づく自動アセスメントスキームも設計している。
  論文  参考訳（メタデータ） (2025-07-01T15:10:00Z)
• Online Multi-Agent Control with Adversarial Disturbances [26.881668342043373]
  本研究では, 対向障害を考慮した多エージェント線形力学系におけるオンライン制御について検討する。 本研究は,ゲームにおけるオンライン学習によるオンライン制御のブリッジ化の第一歩として,個人のパフォーマンス保証の堅牢性を確立した。
  論文  参考訳（メタデータ） (2025-06-23T16:24:31Z)
• Demonstrations of Integrity Attacks in Multi-Agent Systems [7.640342064257848]
  マルチエージェントシステム(Multi-Agent Systems、MAS)は、システムの中核機能を破壊しずに自己利益を提供する悪意のあるエージェントに対して脆弱である可能性がある。 この研究は、悪意のあるエージェントが微妙なプロンプト操作を使用してバイアスMAS操作を行ない、様々な利益を得る、完全性攻撃を探索する。
  論文  参考訳（メタデータ） (2025-06-05T02:44:49Z)
• SentinelAgent: Graph-based Anomaly Detection in Multi-Agent Systems [11.497269773189254]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)に適したシステムレベルの異常検出フレームワークを提案する。 本稿では,エージェント間相互作用を動的実行グラフとしてモデル化し,ノード,エッジ,パスレベルでの意味的異常検出を可能にするグラフベースのフレームワークを提案する。 第2に,セキュリティポリシとコンテキスト推論に基づくMAS実行の監視,解析,介入を行うLLMによる監視エージェントである,プラグイン可能なSentinelAgentを導入する。
  論文  参考訳（メタデータ） (2025-05-30T04:25:19Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Very Large-Scale Multi-Agent Simulation in AgentScope [112.98986800070581]
  我々は,ユーザフレンドリーなマルチエージェントプラットフォームであるAgentScopeの新機能とコンポーネントを開発した。 高いスケーラビリティと高効率を実現するために,アクタをベースとした分散機構を提案する。 また、多数のエージェントを便利に監視し、管理するためのWebベースのインターフェースも提供します。
  論文  参考訳（メタデータ） (2024-07-25T05:50:46Z)
• Collision Avoidance Verification of Multiagent Systems with Learned Policies [9.550601011551024]
  本稿では,マルチエージェントフィードバックループ(MA-NFL)の衝突回避特性を検証するための後方到達性に基づくアプローチを提案する。 私たちは多くの不確実性を説明しており、現実のシナリオとよく一致しています。 提案アルゴリズムは,MA-NFLの衝突回避アルゴリズムを模倣するエージェントを用いて,衝突回避特性を検証できることを示す。
  論文  参考訳（メタデータ） (2024-03-05T20:36:26Z)

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。