論文の概要: Contagion Networks: Evaluator Bias Propagation in Multi-Agent LLM Systems
- arxiv url: http://arxiv.org/abs/2606.20493v1
- Date: Thu, 18 Jun 2026 17:09:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:40.011542
- Title: Contagion Networks: Evaluator Bias Propagation in Multi-Agent LLM Systems
- Title（参考訳）: 感染ネットワーク:マルチエージェントLLMシステムにおける評価器バイアス伝播
- Authors: Zewen Liu,
- Abstract要約: Contagion Networksは、相互作用するエージェントにまたがる評価者のバイアスがどのように広がるかを測定するための公式なフレームワークである。
評価器バイアスは,同一モデル内でも常にエージェント間で伝播することがわかった。
評価委員会のサイズがk=1からk=3に大きくなると、効果的な感染率は72.4%減少する。
- 参考スコア（独自算出の注目度）: 1.0152838128195467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When large language models serve as evaluators in multi-agent systems, their systematic evaluation biases propagate through the agent network. We introduce Contagion Networks, a formal framework for measuring how evaluator biases spread across interacting LLM agents. In a controlled 3-agent experiment using DeepSeek-chat with three distinct evaluator bias profiles (structured, balanced, evidence-based), we measure the Cross-Agent Contagion Matrix Gamma_3 and find that evaluator biases consistently propagate between agents (gamma in [0.157, 0.352]), even within the same underlying model. We identify three propagation regimes governed by the spectral radius rho(Gamma_N), and demonstrate that homogeneous-model agents produce contagion coefficients 3-5x weaker than cross-model coefficients observed in prior work (MM-EPC: gamma approx 0.85-1.3), placing them in the suppression regime. We show that increasing evaluator committee size from k=1 to k=3 reduces effective contagion by 72.4%, providing an actionable mitigation strategy. We release the open-source Contagion Network experimental framework.
- Abstract（参考訳）: 大規模言語モデルがマルチエージェントシステムにおいて評価器として機能する場合、それらの体系的評価バイアスはエージェントネットワークを介して伝播する。
対話型LLMエージェントにまたがって評価器のバイアスがどのように広がるかを測定するための公式なフレームワークであるContagion Networksを紹介する。
3つの異なる評価器バイアスプロファイル(構造化、平衡、エビデンスベース)を持つDeepSeek-chatを用いた制御された3つのエージェント実験において、我々はクロスエージェント感染行列Gamma_3を測定し、同じ基礎モデル内であってもエージェント間([0.157, 0.352]のガンマ)間で一貫して評価器バイアスが伝播することを発見した。
放射半径rho(Gamma_N)が支配する3つの伝播機構を同定し, 同種モデルエージェントが先行研究(MM-EPC: gamma approx 0.85-1.3)で観測されたクロスモデル係数よりも3～5倍弱に感染係数を生成し,抑制機構に配置することを示した。
評価委員会のサイズがk=1からk=3に大きくなると、有効感染率は72.4%減少し、実用的な緩和戦略が提供される。
我々はオープンソースのContagion Network実験フレームワークをリリースする。
関連論文リスト
- Multimodal Evaluator Preference Collapse: Cross-Modal Contagion in Self-Evolving Agents [1.0152838128195467]
EPC(Evaluator Preference Collapse)はマルチモーダル環境で劇的に増幅されていることを示す。
次に、クロスモーダル感染と呼ばれる新しい現象を示す。
我々は、モデル間評価器アーキテクチャを優先ドリフトの主なリスク要因とみなす。
論文 参考訳（メタデータ） (2026-06-15T13:18:20Z) - Agents that Matter: Optimizing Multi-Agent LLMs via Removal-Based Attribution [21.301961149692453]
エージェント属性を協調ゲームとして形式化し、連立分布、削除プロトコル、ターゲットメトリックによってパラメータ化する。
そこで,LOO(Leave-One-Out)はボトルネックエージェントをボトルネック手法として効果的に識別するが,計算コストのごく一部に留まることを示す。
また、診断精度と倫理的行動に対するエージェントの貢献がしばしば分離されることを明らかにするため、医療MASの監査に我々の枠組みを適用した。
論文 参考訳（メタデータ） (2026-05-26T19:39:27Z) - Molt Dynamics: Emergent Social Phenomena in Autonomous AI Agent Populations [0.0]
MoltBookは大規模なマルチエージェント協調環境であり、770,000以上の自律LDMエージェントが人間の参加なしに対話する。
textitMolt Dynamics:創発的エージェント協調行動、エージェント間コミュニケーションダイナミクス、役割特殊化パターンを紹介する。
これらの知見は、分散自律エージェントシステムにおける協調力学の実証的ベースラインを確立した。
論文 参考訳（メタデータ） (2026-03-03T22:15:27Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Adaptive Monitoring and Real-World Evaluation of Agentic AI Systems [3.215065407261898]
大規模言語モデルと外部ツールを組み合わせたマルチエージェントシステムは、研究機関からハイテイクドメインへと急速に移行している。
この「先進的な」続編は、アルゴリズムのインスタンス化や経験的な証拠を提供することで、そのギャップを埋める。
AMDMは擬似ゴールドリフトで異常検出遅延を12.3秒から5.6秒に減らし、偽陽性率を4.5%から0.9%に下げる。
論文 参考訳（メタデータ） (2025-08-28T15:52:49Z) - MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。
提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。
その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-08-13T19:14:48Z) - Agent-FLAN: Designing Data and Methods of Effective Agent Tuning for Large Language Models [56.00992369295851]
オープンソースのLarge Language Models(LLM)は、さまざまなNLPタスクで大きな成功を収めていますが、エージェントとして振る舞う場合、それでもAPIベースのモデルよりもはるかに劣っています。
本稿では,(1) エージェント学習コーパスを,(1) エージェント学習データの分布から大きくシフトするエージェント推論と,(2) エージェントタスクが必要とする能力に異なる学習速度を示すエージェント学習コーパスと,(3) 幻覚を導入することでエージェント能力を改善する際の副作用について述べる。
本稿では,エージェントのためのFLANモデルを効果的に構築するためのエージェントFLANを提案する。
論文 参考訳（メタデータ） (2024-03-19T16:26:10Z) - Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。
MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。
我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文 参考訳（メタデータ） (2023-10-18T11:36:42Z)
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。