論文の概要: Representational Similarity and Model Behavior in Multi-Agent Interaction

• arxiv url: http://arxiv.org/abs/2606.07818v1
• Date: Fri, 05 Jun 2026 19:59:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.465133
• Title: Representational Similarity and Model Behavior in Multi-Agent Interaction
• Title（参考訳）: 多エージェント相互作用における表現的類似性とモデル挙動
• Authors: Yujin Potter, Seun Eisape, Shiyang Lai, Alexander Huth, James Evans, Been Kim, Jacob Eisenstein, Dawn Song, Alane Suhr,
• Abstract要約: マルチエージェントシステム設計において,表現的類似性は重要な考慮事項であることを示す。 より類似した表現空間を持つペアは、はるかに高い協調を実現するが、新規性や創造性は低下する。 このことは、これらのパターンの根底にある中心的な要素が、2つのモデルが語彙と意味的な接点を共有する範囲である可能性を示唆している。
• 参考スコア（独自算出の注目度）: 86.305731341492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Researchers have shown that neural similarity among humans predicts social closeness and cooperative success, whereas innovation often emerges from interactions among dissimilar individuals. We investigate whether these principles extend to artificial intelligence by examining interactions between large language models. In our experiments, 276 model pairs interact across eight games spanning both cooperation and novelty. We find that pairs with more similar representation spaces achieve significantly higher cooperation but exhibit reduced novelty and creativity. The effects of representational similarity on cooperation and novelty remain robust even after controlling for other factors such as performance disparity and model size. We also find that similarity in the early layers consistently shows the strongest association with cooperation and novelty, compared to the middle and later layers. This suggests that a central factor underlying these patterns could be the extent to which the two models share lexical and semantic grounding. Overall, representational similarity can be an important consideration in multi-agent system design.
• Abstract（参考訳）: 研究者は、人間間の神経的類似性は社会的近接性と協調的な成功を予測するのに対し、イノベーションは異種個体間の相互作用から生じることが多いことを示した。 大規模言語モデル間の相互作用を調べることにより,これらの原理が人工知能に拡張されるかどうかを検討する。 実験では、276組のモデルペアが、協調と新規性の両方にまたがる8つのゲーム間で相互作用する。 より類似した表現空間を持つペアは、はるかに高い協調を実現するが、新規性や創造性は低下する。 表現的類似性が協調や新規性に及ぼす影響は、性能格差やモデルサイズなどの他の要因を制御した後でも、引き続き頑健である。 また、初期層における類似性は、中層や後期層と比較して、常に協力と新規性との関係が強いことを示している。 このことは、これらのパターンの根底にある中心的な要素が、2つのモデルが語彙と意味的な接点を共有する範囲である可能性を示唆している。 全体として、表現的類似性はマルチエージェントシステム設計において重要な考慮事項である。

関連論文リスト

• Causes and Consequences of Representational Similarity in Machine Learning Models [4.878152686480212]
  この研究は、データセットの重複とタスクの重複という2つの要因が下流モデルの類似性にどのように影響するかを考察する。 タスクとデータセットの重複が表現の類似性を高め、それらを組み合わせることで最も強い効果が得られます。
  論文  参考訳（メタデータ） (2025-05-20T04:03:11Z)
• Behavior-Inspired Neural Networks for Relational Inference [6.855586051080836]
  エージェント間の相互作用が時間と空間の力学系をどのように進化させるかを研究する。 最近の研究は、エージェント間の関係を、その身体行動の観察に基づいて分類することを学ぶ。 エージェントの観測可能な振る舞いと,その動作を決定する潜在カテゴリの抽象化レベルを導入する。
  論文  参考訳（メタデータ） (2024-06-20T21:36:54Z)
• Scaling Large Language Model-based Multi-Agent Collaboration [72.8998796426346]
  近年の大規模言語モデル駆動型自律エージェントのブレークスルーにより、複数エージェントのコラボレーションが集団的推論を通じて各個人を上回ることが判明している。 本研究は、協調剤の連続的な添加が同様の利益をもたらすかどうかを考察する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Similarity of Neural Network Models: A Survey of Functional and Representational Measures [2.56552999376511]
  ニューラルネットワークの類似性を計測して、その振る舞いを理解し、改善することは、非常に重要で研究上の関心事となっている。 ニューラルネットワークの類似性を測定するための2つの相補的視点について概説する: (i) 中間層の活性化の相違を考察する表現的類似性、 (ii) 機能的類似性、そしてモデルが出力の相違を考察する。
  論文  参考訳（メタデータ） (2023-05-10T17:33:48Z)
• Similarity of Neural Architectures using Adversarial Attack Transferability [47.66096554602005]
  ニューラルネットワーク間の定量的かつスケーラブルな類似度尺度を設計する。 我々は69の最先端画像ネット分類器を大規模に解析する。 我々の結果は、異なるコンポーネントを持つ多様なニューラルアーキテクチャの開発がなぜ必要かについての洞察を提供する。
  論文  参考訳（メタデータ） (2022-10-20T16:56:47Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• Action similarity judgment based on kinematic primitives [48.99831733355487]
  運動学に基づく計算モデルが動作類似性を決定する範囲について検討する。 選択されたモデルは、発達ロボティクスにルーツを持ち、学習されたキネマティックプリミティブに基づいて行動分類を行う。 その結果, 動作類似性タスクにおいて, モデルと人的性能の双方が, 運動レベルの特徴に基づく精度が高いことがわかった。
  論文  参考訳（メタデータ） (2020-08-30T13:58:47Z)

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。