論文の概要: GeomHerd: A Forward-looking Herding Quantification via Ricci Flow Geometry on Agent Interactive Simulations

• arxiv url: http://arxiv.org/abs/2605.11645v1
• Date: Tue, 12 May 2026 07:07:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.653764
• Title: GeomHerd: A Forward-looking Herding Quantification via Ricci Flow Geometry on Agent Interactive Simulations
• Title（参考訳）: GeomHerd:エージェント対話型シミュレーションにおけるリッチフロー幾何学による前方型ハーディング量子化
• Authors: Lake Yang, Junwei Su, Jingfeng Zeng, Wenhao Lu, Xingzhi Qian, Weitong Zhang, Chuan Wu, Dunhong Jin,
• Abstract要約: ハーディングは市場の脆弱性とシステム的リスクの中心的な要因である。 シェディングを定量化するための既存のアプローチは、価格相関統計に依存する。 我々は,上流エージェント-相互作用グラフ上で直接協調を定量化する幾何学的フレームワークGeomHerdを提案する。
• 参考スコア（独自算出の注目度）: 28.168576606543386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Herding -- where agents align their behaviors and act collectively -- is a central driver of market fragility and systemic risk. Existing approaches to quantify herding rely on price-correlation statistics, which inherently lag because they only detect coordination after it has already moved realised returns. We propose GeomHerd, a forward-looking geometric framework that bypasses this observability lag by quantifying coordination directly on upstream agent-interaction graphs. To generate these graphs, we treat a heterogeneous LLM-driven multi-agent simulator -- each financial trader instantiated by a persona-conditioned LLM call -- as a forecastable world, and evaluate the geometric pipeline on the Cividino--Sornette continuous-spin agent-based substrate as our headline financial testbed. By tracking the discrete Ollivier--Ricci curvature of these action graphs, GeomHerd captures the structural topology of emerging coordination. Theoretically, we establish a mean-field bridge mapping our graph-theoretic metric to CSAD, the classical macroscopic herding statistic, linking GeomHerd to downstream price-dispersion measurement. Empirically, GeomHerd anticipates herding long before aggregate market baselines: on the continuous-spin substrate, our primary detector fires a median of 272 steps before order-parameter onset; a contagion detector ($β_{-}$) recalls 65% of critical trajectories 318 steps early; and on co-firing trajectories the agent-graph signal precedes price-correlation-graph baselines by 40 steps. As a complementary indicator, the effective vocabulary of agent actions contracts during cascades. The geometric signature transfers out-of-domain to the Vicsek self-driven-particle model, and a curvature-conditioned forecasting head reduces cascade-window log-return MAE over detector-conditioned and price-only baselines.
• Abstract（参考訳）: エージェントが行動を整列し、集団で行動するHerdingは、市場の脆弱性とシステム的リスクの中心的な要因だ。 シェディングを定量化するための既存のアプローチは価格相関統計に依存しており、これは本質的には、既に実現されたリターンを移動した後のみ調整を検出するため遅れている。 我々は、上流エージェント-相互作用グラフ上での調整を直接定量化することにより、この可観測性ラグをバイパスする前方形状の幾何学的フレームワークGeomHerdを提案する。 これらのグラフを生成するために、多元的LLM駆動型マルチエージェントシミュレータ(ペルソナ条件のLCMコールによってインスタンス化される各金融トレーダー)を予測可能な世界として扱い、Cividino-Sornette連続スピンエージェントベース基板上の幾何学的パイプラインを見出しファイナンシャルテストベッドとして評価する。 これらの作用グラフの離散Ollivier--Ricci曲率を追跡することにより、GeomHerdは出現する調整の構造的トポロジーを捉える。 理論的には、グラフ理論の計量を古典的なマクロなシェディング統計であるCSADにマッピングし、GeomHerdを下流の価格分散測定にリンクする平均フィールドブリッジを確立する。 実証的には、GeomHerdは市場ベースラインよりずっと前に放牧を予想している: 連続スピン基板上では、一次検出器がオーダーパラメータの開始前に中央値272歩を発射し、感染検知器(β_{-}$)が65%のクリティカルトラジェクトリを早期にリコールし、共ファイリングトラジェクトリはエージェントグラフ信号が価格相関グラフベースラインに先行する。 補完的な指標として、カスケード中のエージェントアクション契約の効果的な語彙がある。 幾何学的シグネチャは、領域外をヴィシェック自己駆動粒子モデルに転送し、曲率条件付き予測ヘッドは、検出器条件付きおよび価格のみのベースラインよりもカスケードウィンドウ対向MAEを低減させる。

関連論文リスト

• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Phase Transition for Budgeted Multi-Agent Synergy [41.486076708302456]
  マルチエージェントシステムは信頼性を向上させることができるが、固定された推論予算の下では、しばしば役立つか、飽和するか、崩壊するかさえある。 我々は、現代のエージェントスタックの3つの束縛制約からこれらの状態を予測する最小限の校正可能な理論を開発する。
  論文  参考訳（メタデータ） (2026-01-24T05:32:50Z)
• S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
  既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。 これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。 本稿では,構造的空間的注意を新たに提案する。 空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。 ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
  論文  参考訳（メタデータ） (2025-09-10T05:33:28Z)
• A Study of Dynamic Stock Relationship Modeling and S&P500 Price Forecasting Based on Differential Graph Transformer [4.6028394466086535]
  動的関係モデリングと価格予測のための差分グラフ変換器フレームワークを提案する。 我々のDGTは連続的なグラフ構造の変化を多面的自己認識に統合する。 クローサル時間的注意は、価格シーケンスのグローバル/ローカル依存関係をキャプチャする。
  論文  参考訳（メタデータ） (2025-06-23T14:53:31Z)
• Implicit Bias and Fast Convergence Rates for Self-attention [26.766649949420746]
  本稿では,変圧器の定義機構である自己注意の基本的な最適化原理について考察する。 線形分類におけるデコーダを用いた自己アテンション層における勾配ベースの暗黙バイアスを解析する。
  論文  参考訳（メタデータ） (2024-02-08T15:15:09Z)
• Unraveling the Geography of Infection Spread: Harnessing Super-Agents for Predictive Modeling [0.4527270266697462]
  ボロノイ・ダイアグラム・テッセルレーション(Voronoi Diagram tessellations)は、特定のストリートネットワークの場所に基づいて、標準のCensus Block Groupテッセルレーションより優れている。 本研究は,都市部における病気のモデリングを改良し,地理的特異性と高い計算効率を必要とするシナリオにおける公衆衛生戦略を支援する。
  論文  参考訳（メタデータ） (2023-09-13T16:13:13Z)
• GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
  精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。 不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。 我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
  論文  参考訳（メタデータ） (2022-11-04T16:10:50Z)
• From Gradient Flow on Population Loss to Learning with Stochastic Gradient Descent [50.4531316289086]
  SGD(Gradient Descent)は、大規模非ルートモデルの学習方法である。 集団損失のGFが収束すると仮定して、総合的な条件 SGD が収束する。 我々は、凸損失のような古典的な設定だけでなく、Retrieval Matrix sq-rootのようなより複雑な問題に対してもGD/SGDを統一的に解析する。
  論文  参考訳（メタデータ） (2022-10-13T03:55:04Z)
• MentorGNN: Deriving Curriculum for Pre-Training GNNs [61.97574489259085]
  本稿では,グラフ間のGNNの事前学習プロセスの監視を目的とした,MentorGNNというエンドツーエンドモデルを提案する。 我々は、事前学習したGNNの一般化誤差に自然かつ解釈可能な上限を導出することにより、関係データ(グラフ)に対するドメイン適応の問題に新たな光を当てた。
  論文  参考訳（メタデータ） (2022-08-21T15:12:08Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)

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。