論文の概要: Consensus is Strategically Insufficient: Reasoning-Trace Disagreement as a Knowledge-Representation Signal

• arxiv url: http://arxiv.org/abs/2606.04223v1
• Date: Tue, 02 Jun 2026 21:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.38689
• Title: Consensus is Strategically Insufficient: Reasoning-Trace Disagreement as a Knowledge-Representation Signal
• Title（参考訳）: 合意は戦略的に不十分である:知識表現信号としての推論とトレースの認識
• Authors: Michał Wawer, Jarosław A. Chudziak,
• Abstract要約: マルチエージェントシステムは通常、投票、コンセンサスプロトコル、討論、フォールトトレラントアグリゲーションを通じて不一致を減らすように設計されている。 我々は、この目的が、エージェントエラーよりも真の規範的不確実性を反映しているような、バリューラデンなタスクには不十分であると主張している。 本稿では,推論トレースとエージェント決定を記号的不一致状態に抽象化する知識表現層を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems are commonly designed to reduce disagreement through voting, consensus protocols, debate, or fault-tolerant aggregation. We argue that this objective is insufficient for value-laden tasks, where disagreement may reflect genuine normative uncertainty rather than agent error. Building on prior work on reasoning-trace disagreement in human-AI collaborative moderation, we propose a knowledge-representation layer in which reasoning traces and agent decisions are abstracted into symbolic disagreement states. Given agents producing explicit reasoning traces and binary decisions, we distinguish four states according to reasoning similarity and conclusion agreement: convergent agreement, divergent agreement, convergent disagreement and divergent disagreement. These states support defeasible strategic routing rules. We instantiate the framework in content moderation and argue that disagreement-aware routing provides a bridge between sub-symbolic LLM deliberation and symbolic knowledge representation for multi-agent strategic reasoning.
• Abstract（参考訳）: マルチエージェントシステムは通常、投票、コンセンサスプロトコル、討論、フォールトトレラントアグリゲーションを通じて不一致を減らすように設計されている。 我々は、この目的が、エージェントエラーよりも真の規範的不確実性を反映しているような、バリューラデンなタスクには不十分であると主張している。 本研究では,人間とAIの協調的モデレーションにおける推論・トレースの不一致に関する先行研究に基づいて,推論のトレースとエージェント決定を象徴的不一致状態に抽象化する知識表現層を提案する。 明確な推論の痕跡と二項決定を生み出すエージェントが与えられた場合、我々は4つの州を、推論の類似性と結論の合意に従って区別する:収束合意、分岐合意、収束不一致および分岐不一致。 これらの州は、デファシブルな戦略的ルーティングルールをサポートしている。 我々は、コンテンツモデレーションの枠組みをインスタンス化し、不一致を意識したルーティングが、マルチエージェント戦略推論のためのサブシンボリックLLMとシンボリック知識表現の橋渡しとなることを論じる。

関連論文リスト

• The Deliberative Illusion: Diagnosing Factual Attrition and Stance Homogenization in Multi-Agent LLM Deliberation [68.98390038721963]
  問題クリティカルな事実の最大72%を,マルチエージェントによる議論で消し去ることを示す。 保持された証拠は誤解を招くことなく問題を再構築し、最終的なスタンスをベースモデルに固定し、単一の悪意のあるエージェントが誤った情報を共有コンテキストに注入することができる。 我々は、どの事実、不確実性、正当な不一致が相互作用を生き残るかを測定する評価を求める。
  論文  参考訳（メタデータ） (2026-06-02T02:15:40Z)
• Rashomon Memory: Towards Argumentation-Driven Retrieval for Multi-Perspective Agent Memory [0.0]
  Rashomon Memoryは、並列目標条件のエージェントが優先順位に従ってエクスペリエンスをエンコードし、議論を通じてクエリ時に交渉するアーキテクチャである。 攻撃グラフのトポロジから検索モードが出現し、システムが解決を強制するのではなく、真に不一致を報告しているコンフリクト表面モードにより、意思決定者は、根底にある解釈的コンフリクトを直接見ることができることを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:29:50Z)
• When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
  私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。 BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。 我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
  論文  参考訳（メタデータ） (2026-03-20T14:46:59Z)
• Diagnosing Knowledge Conflict in Multimodal Long-Chain Reasoning [78.86309644343295]
  長い連鎖推論におけるマルチモーダルな大言語モデル(MLLM)は、異なる知識源が矛盾する信号を提供するときにしばしば失敗する。 我々は、これらの失敗を知識の衝突という統一概念の下で形式化し、入力レベルの客観的衝突とプロセスレベルの効果的な衝突を区別する。 本研究は,知識衝突下でのマルチモーダル推論のメカニズムを考察し,長CoT障害の診断と制御を可能にする。
  論文  参考訳（メタデータ） (2026-02-16T07:10:44Z)
• From Sycophancy to Sensemaking: Premise Governance for Human-AI Decision Making [0.0]
  低フリクションアシスタントはサイコファンになり、暗黙の仮定を叩き、検証コストを専門家に押し付ける。 我々は、信頼できる人間とAIのパートナーシップには、回答生成から共同前提ガバナンスへの移行が必要であると主張している。
  論文  参考訳（メタデータ） (2026-02-02T17:42:54Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• 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)
• An Argumentation-based Approach for Identifying and Dealing with Incompatibilities among Procedural Goals [1.1744028458220426]
  インテリジェントエージェントは複数のパース可能なゴールを生成し、それら間で互換性がない可能性がある。 本稿では,これらの非互換性の定義,識別,解決に焦点をあてる。
  論文  参考訳（メタデータ） (2020-09-11T01:01:34Z)

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。