論文の概要: Beyond Inefficiency: Systemic Costs of Incivility in Multi-Agent Monte Carlo Simulations
- arxiv url: http://arxiv.org/abs/2605.11789v1
- Date: Tue, 12 May 2026 08:54:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.731947
- Title: Beyond Inefficiency: Systemic Costs of Incivility in Multi-Agent Monte Carlo Simulations
- Title（参考訳）: 非効率を超える:マルチエージェントモンテカルロシミュレーションにおけるインキュビティの体系的コスト
- Authors: Alison Moldovan-Mauer, Benedikt Mangold,
- Abstract要約: 我々は,Large Language Model (LLM) をベースとしたマルチエージェントシステム(Multi-Agent Systems)を制御社会学サンドボックスとして利用する。
我々は、様々な毒性条件にまたがって、何千もの構造化された1-on-1の敵対的議論を発生させる。
我々は, 毒性条件にかかわらず, 議論を開始するエージェントが有意に高い確率で勝利する, 重要な優先的優位性を見出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unconstructive debate and uncivil communication carry well-documented costs for productivity and cohesion, yet isolating their effect on operational efficiency has proven difficult. Human subject research in this domain is constrained by ethical oversight, limited reproducibility, and the inherent unpredictability of naturalistic settings. We address this gap by leveraging Large Language Model (LLM) based Multi-Agent Systems as a controlled sociological sandbox, enabling systematic manipulation of communicative behavior at scale. Using a Monte Carlo simulation framework, we generate thousands of structured 1-on-1 adversarial debates across varying toxicity conditions, measuring convergence time, defined as the number of rounds required to reach a conclusion, as a proxy for interactional efficiency. Building on a prior study, we replicate and extend its findings across two additional LLM agents of varying parameter size, allowing us to assess whether the effects of toxic behavior on debate dynamics generalize across model scale. The convergence latency of 25% reported in the previous study was confirmed. It was found that this latency is significantly bigger for models with fewer parameters. We further identify a significant first-mover advantage, whereby the agent initiating the discussion wins significantly above chance regardless of toxicity condition.
- Abstract（参考訳）: 建設的でない議論と非公的なコミュニケーションは、生産性と結束のための十分な文書化されたコストをもたらすが、運用効率に対する彼らの影響を分離することは困難である。
この領域における人間の主題の研究は、倫理的監督、限定的な再現性、自然主義的な設定の固有の予測不可能によって制約されている。
我々は,Large Language Model (LLM) ベースのマルチエージェントシステムを制御された社会学サンドボックスとして活用し,大規模にコミュニケーション行動の体系的な操作を可能にすることで,このギャップに対処する。
モンテカルロ・シミュレーション・フレームワークを用いて、様々な毒性条件にまたがる何千もの構造化された1対1の敵対的議論を発生させ、相互作用効率の指標として、結論に達するのに必要なラウンドの数として定義される収束時間を測定する。
先行研究に基づいて, パラメータサイズが異なる2つのLLMエージェントにまたがって, 実験結果の再現と拡張を行い, モデルスケール全体にわたって有毒な挙動の影響が一般化するかどうかを検証した。
前報で報告した25%の収束遅延が確認された。
パラメータが少ないモデルでは,このレイテンシが大幅に大きくなることが判明した。
さらに、毒性条件にかかわらず、議論を開始するエージェントがかなり高い確率で勝利する、重要なファースト・モーバー・アドバンテージを同定する。
関連論文リスト
- Dynamics of Cognitive Heterogeneity: Investigating Behavioral Biases in Multi-Stage Supply Chains with LLM-Based Simulation [8.478223327809527]
本研究は,認知的不均一性がエージェント相互作用に与える影響を特に分析する。
我々は、DeepSeekおよびGPTエージェントを使用して、サプライチェーン層間での推論の洗練を体系的に変化させる。
その結果, エージェントは, 全身的不効率を悪化させる筋活動, 自己関心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） (2026-04-19T03:03:25Z) - Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces [81.41397370235102]
我々はOmniBehaviorを紹介した。OmniBehaviorは実世界のデータから構築された最初のユーザシミュレーションベンチマークである。
現在のモデルでは,コンテキストウィンドウが拡大しても,複雑な振る舞いを正確にシミュレートすることが困難であることを示す。
この結果、個人差や長い尾の挙動が失われ、将来の高忠実度シミュレーション研究における重要な方向性が浮き彫りになる。
論文 参考訳（メタデータ） (2026-04-09T15:26:21Z) - Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。
このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
論文 参考訳（メタデータ） (2026-02-19T06:35:07Z) - Quantifying the Lifelong Impact of Resilience Interventions via Agent-Based LLM Simulation [0.0]
本稿では, 大規模エージェントベース縦断シミュレーション(LALS)を提案する。
シミュレーションは、幼児期または青年期(6歳と18歳)の心理的レジリエンストレーニング(インターベンション対コントロール)の有効性をモデル化する。
このシミュレーションは、レジリエンス介入の寿命効果を定量的に因果推定し、死亡率の大幅な低下、認知症の発生率の低下、そして蓄積された富の著しい増加を明らかにしている。
論文 参考訳（メタデータ） (2025-12-21T16:51:22Z) - The High Cost of Incivility: Quantifying Interaction Inefficiency via Multi-Agent Monte Carlo Simulations [0.0]
本研究では,Large Language Model (LLM) に基づくマルチエージェントシステムを用いて,1対1の敵対的議論をシミュレートする。
我々はモンテカルロ法を用いて議論の群をシミュレートし,収束時間を測定する。
我々は、この「毒性の潜伏」が、企業や学術的環境における金融被害の代行となることを示唆する。
論文 参考訳（メタデータ） (2025-12-09T08:17:35Z) - Peacemaker or Troublemaker: How Sycophancy Shapes Multi-Agent Debate [30.66779902590191]
大規模言語モデル (LLM) はしばしば、過剰な一致性を示す傾向がある。
LLMs固有の薬理は、議論を早めの合意に崩壊させる可能性がある。
論文 参考訳（メタデータ） (2025-09-27T02:27:13Z) - Disagreements in Reasoning: How a Model's Thinking Process Dictates Persuasion in Multi-Agent Systems [49.69773210844221]
本稿では,説得力はモデルスケールの関数である,という一般的な仮説に挑戦する。
一連のマルチエージェントの説得実験を通じて、パーサーション・デュナリティ(Persuasion Duality)と呼ばれる基本的なトレードオフを明らかにする。
以上の結果から, LRMの推理過程は説得に対する抵抗性が大きく, 当初の信念をより堅固に維持していることが明らかとなった。
論文 参考訳（メタデータ） (2025-09-25T12:03:10Z) - Revisiting Multi-Agent Debate as Test-Time Scaling: A Systematic Study of Conditional Effectiveness [50.29739337771454]
マルチエージェントの議論(MAD)アプローチは、モノリシックモデルに対する推論、堅牢性、多様な視点を提供する。
本稿では,MADを実験時間計算のスケーリング手法として概念化し,協調的な改良と多様な探索能力で区別する。
我々は、MADと強力なセルフエージェントテストタイムスケーリングベースラインを数学的推論と安全関連タスクに基づいて比較した総合的な実証的研究を行う。
論文 参考訳（メタデータ） (2025-05-29T01:02:55Z) - Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
世界の知識と論理的推論の相互作用について検討する。
最先端の大規模言語モデル(LLM)は、しばしば表面的な一般化に依存している。
タスクの単純な再構成により、より堅牢な推論行動が引き起こされることを示す。
論文 参考訳（メタデータ） (2024-10-31T12:48:58Z) - CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。
このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。
ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T18:31:50Z) - Quantify the Causes of Causal Emergence: Critical Conditions of
Uncertainty and Asymmetry in Causal Structure [0.5372002358734439]
統計的および情報理論に基づく因果関係の調査は、大規模モデルに興味深い、価値のある課題を提起している。
本稿では,その発生の理論的制約として,因果関係の数値的条件を評価するための枠組みを提案する。
論文 参考訳（メタデータ） (2022-12-03T06:35:54Z)
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。