論文の概要: CHAL: Council of Hierarchical Agentic Language

• arxiv url: http://arxiv.org/abs/2605.12718v1
• Date: Tue, 12 May 2026 20:26:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.669217
• Title: CHAL: Council of Hierarchical Agentic Language
• Title（参考訳）: CHAL:階層型エージェント言語協議会
• Authors: Tommaso Giovannelli, Griffin D. Kent,
• Abstract要約: 我々は、議論の真の価値と弁証的システム全体が、実現不可能な領域にあると論じている。 提案する階層的エージェント言語協議会(CHAL, Council of Hiserarchical Agentic Language)は,デファシブルな議論を信念最適化のエンジンとして扱う多言語弁証法である。
• 参考スコア（独自算出の注目度）: 0.5156484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent debate has emerged as a promising approach for improving LLM reasoning on ground-truth tasks, yet current methodologies face certain structural limitations: debate tends to induce a martingale over belief trajectories, majority voting accounts for most observed gains, and LLMs exhibit confidence escalation rather than calibration across rounds. We argue that the genuine value of debate, and dialectic systems as a whole, lies not in ground-truth tasks but in defeasible domains, where every position can in principle be defeated by better reasoning. We present the Council of Hierarchical Agentic Language (CHAL), a multi-agent dialectic framework that treats defeasible argumentation as an engine for belief optimization. Each agent maintains a CHAL Belief Schema (CBS), a graph-structured belief representation with a Bayesian-inspired architecture, that facilitates belief revision through a gradient-informed dynamic mechanism by leveraging the strength of the belief's thesis as a differentiable objective. Meta-cognitive value systems spanning epistemology, logic, and ethics are elevated to configurable hyperparameters governing agent reasoning and adjudication outcomes. We provide a series of ablation experiments that demonstrate systematic and interpretable effects: the adjudicator's value system determines the debate's overall trajectories in latent belief space, council diversity refines beliefs for all participants, and the framework generalizes across broad fields. CHAL is, to our knowledge, the first framework to treat multi-agent debate as structured belief optimization over defeasible domains. Further, the auditable belief artifacts it produces establish the foundation for dedicated evaluation suites for defeasible argumentation, with broader implications for building AI systems whose reasoning and value commitments are transparent, aligned, and subject to human oversight.
• Abstract（参考訳）: 議論は信念の軌跡よりもマーチンゲールを誘導する傾向があり、ほとんどの利得が過半数を占めており、LLMはラウンドごとのキャリブレーションよりも信頼度の高いエスカレーションを示す。 議論の真の価値と弁証的体系は、根本的真理ではなく、あらゆる立場が原則としてより良い推論によって破られるような、実現不可能な領域にある、と我々は論じている。 提案する階層的エージェント言語協議会(CHAL, Council of Hierarchical Agentic Language)は,デファシブルな議論を信念最適化のエンジンとして扱う多言語弁証法である。 それぞれのエージェントは、ベイズにインスパイアされたアーキテクチャによるグラフ構造化された信念表現であるCHAL Belief Schema (CBS)を維持しており、信念の主張の強さを微分可能な目的として活用することにより、勾配インフォームド・ダイナミックなメカニズムを通じて信念の修正を促進する。 認識論、論理学、倫理学にまたがるメタ認知価値システムは、エージェントの推論と判断結果を管理する構成可能なハイパーパラメータに高められる。 我々は、体系的かつ解釈可能な効果を示す一連のアブレーション実験を提供する: 代弁者の価値体系は、潜在信念空間における議論の全体的な軌跡を決定づけ、評議会の多様性はすべての参加者に対する信念を洗練し、その枠組みは幅広い分野にわたって一般化する。 CHALは、私たちの知る限り、マルチエージェントの議論をデファシブルドメインよりも構造化された信念の最適化として扱う最初のフレームワークです。 さらに、それが生み出す監査可能な信念アーティファクトは、推論と価値のコミットメントが透明で、整合性があり、人間の監督下にあるAIシステムを構築するための幅広い意味を持つ、デファシブルな議論のための専用の評価スイートの基盤を確立する。

関連論文リスト

• Position: agentic AI orchestration should be Bayes-consistent [92.04373485710285]
  本稿では,エージェントシステムのオーケストレーションレベルにおいて,一貫性のある意思決定にはベイズ原理が必要であることを論じる。 信念とユーティリティ対応ポリシーがエージェントAIオーケストレーションをどのように改善するかを説明するための例とデザインパターンを提供する。
  論文  参考訳（メタデータ） (2026-05-01T15:43:43Z)
• Debate to Align: Reliable Entity Alignment through Two-Stage Multi-Agent Debate [13.025981335381637]
  我々はマルチエージェントの議論に基づく信頼できるEAフレームワークであるAgentEAを提案する。 AgentEAはエンティティ表現の優先順位最適化を通じて埋め込み品質を改善する。 次に、軽量な議論検証と深い議論アライメントからなる2段階のマルチロール討論機構を導入する。
  論文  参考訳（メタデータ） (2026-04-15T06:54:27Z)
• Verify Before You Commit: Towards Faithful Reasoning in LLM Agents via Self-Auditing [5.497064111008921]
  我々は,行動開始前のエージェントの内部信頼状態に対する検証を行う新しいフレームワークであるtextbfSelf-textbfAudited textbfVerified textbfReasoning (textscSAVeR)を提案する。 当社のアプローチは、競争力のあるエンドタスクのパフォーマンスを維持しながら、推論の忠実さを継続的に改善します。
  論文  参考訳（メタデータ） (2026-04-09T16:01:03Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• LaSER: Internalizing Explicit Reasoning into Latent Space for Dense Retrieval [74.72139580745511]
  LaSERは、レトリバーの潜在空間に明示的な推論を内部化する、新しい自己蒸留フレームワークである。 提案手法は, 明示的なCoTパイプラインの推論深度と, 標準的な高密度検索器の推論効率をうまく組み合わせる。
  論文  参考訳（メタデータ） (2026-03-02T04:11:18Z)
• On Theoretically-Driven LLM Agents for Multi-Dimensional Discourse Analysis [0.0]
  本稿では,この課題に明示的な理論的知識を取り入れることのメリットを定量化するために,比較マルチエージェントフレームワークを提案する。 我々は、注釈付き政治討論のデータセットを利用して、4つの異なる言い換え機能を含む新しい標準を確立する。 我々は,2つの並列LLMエージェントシステムの評価を行った。1つはRetrieval-Augmented Generation (RAG)による議論理論により強化され,もう1つはゼロショットベースラインである。
  論文  参考訳（メタデータ） (2026-02-14T10:30:39Z)
• Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
  大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。 この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。 このボトルネックは、帰属の曖昧さに起因している。 本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T04:19:52Z)
• Exploring Syntropic Frameworks in AI Alignment: A Philosophical Investigation [0.0]
  AIアライメントは、プロセスベース、マルチエージェント、開発メカニズムを通じて、シントロピックで理由対応のエージェントを設計するものとして再認識されるべきである、と私は主張する。 コンテンツベースの値仕様が構造的に不安定なように見える理由を示す、仕様トラップの議論を明確にする。 マルチエージェントアライメントのダイナミクスを理解するための情報理論の枠組みとして, シントロピーを提案する。
  論文  参考訳（メタデータ） (2025-11-19T23:31:29Z)
• Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [55.66353783572259]
  Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。 我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
  論文  参考訳（メタデータ） (2023-08-23T04:59:21Z)

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。