論文の概要: MA$^{2}$P: A Meta-Cognitive Autonomous Intelligent Agents Framework for Complex Persuasion

• arxiv url: http://arxiv.org/abs/2605.18572v1
• Date: Mon, 18 May 2026 15:53:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.98911
• Title: MA$^{2}$P: A Meta-Cognitive Autonomous Intelligent Agents Framework for Complex Persuasion
• Title（参考訳）: MA$^{2}$P: 複雑説得のためのメタ認知型自律インテリジェントエージェントフレームワーク
• Authors: Dingyi Zhang, Ziqing Zhuang, Linhai Zhang, Ziyang Gao, Deyu Zhou,
• Abstract要約: 複雑な説得のためのメタ認知型自律型インテリジェントエージェントフレームワークであるMA$2$Pを提案する。 具体的には、認識管理、精神状態推論、戦略実行、記憶維持、評価を協調する自律型マルチエージェントアーキテクチャを開発する。 我々のアプローチはベースラインよりも高い説得率を達成する。
• 参考スコア（独自算出の注目度）: 34.431254321873794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persuasive dialogue generation plays a vital role in decision-making, negotiation, counseling, and behavior change, yet it remains a challenging problem. In complex persuasion where the persuadee's internal states are not expressed clearly, the persuader must interpret responses, infer the persuadee's latent mental states (e.g., beliefs and desires), and translate them into targeted, strategy-consistent actions; however, current approaches often produce generic or weakly grounded responses even when such cues are identified. Moreover, although large language models (LLMs) can generate persuasive content, their performance varies substantially across domains due to uneven knowledge coverage and limited reasoning generalization. To address these challenges, we propose MA$^{2}$P, a meta-cognitive autonomous intelligent agent framework for complex persuasion. Specifically, we develop an autonomous multi-agent architecture that coordinates perception management, mental-state inference, strategy execution, memory maintenance, and performance evaluation. To mitigate cross-domain performance variation, we further design a meta-cognitive configurator that selects an appropriate meta-strategy from a structured knowledge base at the outset, thereby guiding subsequent reasoning and planning. Experimental results show that our approach achieves a higher persuasion success rate than baselines.
• Abstract（参考訳）: 説得的対話生成は意思決定、交渉、カウンセリング、行動変化において重要な役割を果たすが、それでも難しい問題である。 説得者の内的状態が明確に表現されない複雑な説得では、説得者は反応を解釈し、説得者の潜伏した精神状態(例えば、信念や欲求)を推測し、それらを標的とした戦略一貫性のある行動に変換する必要がある。 さらに,大規模言語モデル (LLM) は説得力のあるコンテンツを生成することができるが,その性能は知識の不足や推論の一般化の制限により,領域によって大きく異なる。 これらの課題に対処するために,メタ認知型自律型インテリジェントエージェントフレームワーク MA$^{2}$P を提案する。 具体的には、認識管理、精神状態推論、戦略実行、メモリメンテナンス、パフォーマンス評価を協調する自律型マルチエージェントアーキテクチャを開発する。 ドメイン間パフォーマンスの変動を軽減するため,構造化知識ベースから適切なメタストラテジーを選択するメタ認知設定器をさらに設計し,その後の推論と計画の導出を行う。 実験の結果,本手法はベースラインよりも説得成功率が高いことがわかった。

関連論文リスト

• 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)
• Enhancing Persuasive Dialogue Agents by Synthesizing Cross-Disciplinary Communication Strategies [5.729038915697267]
  我々は,社会心理学,行動経済学,コミュニケーション理論から実証された戦略に基づく説得的対話エージェントを設計するための枠組みを開発する。 2つの異なるデータセットの実験を通じて提案したフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-02-26T07:18:45Z)
• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• Real-Time Reasoning Agents in Evolving Environments [52.21796134114843]
  進化する環境におけるエージェントに対する新しい問題定式化としてリアルタイム推論を導入する。 我々の研究は、実用的なエージェントを開発するための重要なテストベッドとしてリアルタイム推論を確立している。
  論文  参考訳（メタデータ） (2025-11-07T00:51:02Z)
• LLMs as Strategic Agents: Beliefs, Best Response Behavior, and Emergent Heuristics [0.0]
  大規模言語モデル(LLM)は、他のエージェントの振る舞いを推論する必要のあるドメインにますます適用されています。 現状のフロンティアモデルでは, 目的的推論記憶における信念コヒーレントなベストレスポンス行動を示す。 複雑さが増大する中で、明示的な再帰は、安定した、モデル固有の、既知の人間のバイアスとは異なる選択規則を内部的に生成する手段を与える。
  論文  参考訳（メタデータ） (2025-10-12T21:40:29Z)
• 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)
• Must Read: A Systematic Survey of Computational Persuasion [60.83151988635103]
  AI駆動の説得は、有益なアプリケーションに活用することができるが、操作と非倫理的な影響を通じて脅威を引き起こす。 本調査では,AIによる説得の安全性,公平性,有効性を高めるための今後の研究方針について概説する。
  論文  参考訳（メタデータ） (2025-05-12T17:26:31Z)
• The Future of Cognitive Strategy-enhanced Persuasive Dialogue Agents: New Perspectives and Trends [23.68567141617251]
  我々は、いくつかの基本的な認知心理学理論を提示し、3つの典型的な認知戦略の形式化された定義を与える。 本稿では,CogAgentの基盤となる形式的定義を取り入れた新しいシステムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-02-07T07:28:34Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)

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。