論文の概要: Diagnosing and Mitigating Compounding Failures in Agentic Persuasion via Taxonomic Strategy Retrieval

• arxiv url: http://arxiv.org/abs/2606.24976v1
• Date: Tue, 23 Jun 2026 12:16:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.078264
• Title: Diagnosing and Mitigating Compounding Failures in Agentic Persuasion via Taxonomic Strategy Retrieval
• Title（参考訳）: 分類学的戦略検索によるエージェント説得における合併症の診断と緩和
• Authors: Pradyumna Narayana, Sana Ayromlou, Purvi Sehgal,
• Abstract要約: 分類学的戦略RAG(英: Taxonomic Strategy RAG、TS-RAG)は、個別の分類的ボトルネックを通じて戦略をルートし、議論的構造をトピックの内容から切り離すシステム介入である。 TS-RAGは、標準的なセマンティック検索が崩壊する抽象論理の転送を大幅に改善する。 非対称な配置において「能力橋」として機能し、軽量な説得者に対抗相手を一貫して打ち負かす権限を与える。
• 参考スコア（独自算出の注目度）: 2.5607169168631696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foundation-model agents in multi-step, open-ended environments frequently suffer from compounding errors, where early mistakes contaminate long-horizon trajectories. While Multi-Agent Debate (MAD) succeeds in deterministic domains, agents in subjective tasks like persuasion experience severe problem drift and sycophantic conformity. We identify semantic leakage in standard Retrieval-Augmented Generation (RAG) as a reproducible trigger for these failures, as standard RAG prioritizes vocabulary overlap over logical necessity. To eliminate this leakage, we introduce Taxonomic Strategy RAG (TS-RAG), a systems intervention that routes strategies through a discrete categorical bottleneck to decouple argumentative structure from topical content. Zero-shot, cross-domain evaluations demonstrate that TS-RAG significantly improves the transfer of abstract logic where standard semantic retrieval collapses. Crucially, TS-RAG acts as a "capability bridge" in asymmetric deployments, empowering lightweight persuaders to consistently defeat parametrically superior opponents (improving win rates from 70.5 to 78.5) and accelerating argumentative efficiency. Finally, we introduce trace-level diagnostics via a turn-by-turn Debate State Representation (DSR), demonstrating the necessity of strict constraints to prevent evaluation collapse via default agentic sycophancy.
• Abstract（参考訳）: 多段階のオープンエンド環境におけるファンデーションモデルエージェントは、しばしば複合的なエラーに悩まされ、初期のミスは長い水平軌道を汚染する。 マルチエージェント・ディベート(MAD)は決定論的ドメインで成功するが、説得のような主観的タスクのエージェントは深刻な問題ドリフトやサイコファンティックな適合性を経験する。 我々は、標準的なRAGが論理的必要よりも語彙重なりを優先するため、これらの障害の再現可能なトリガとして、標準的なRetrieval-Augmented Generation(RAG)のセマンティックリークを識別する。 この漏えいをなくすために,個別のカテゴリー的ボトルネックを通じて戦略をルートし,議論的構造をトピック的コンテンツから切り離すシステム介入であるTS-RAG(Taxonomic Strategy RAG)を導入する。 ゼロショット・クロスドメイン評価は、TS-RAGが標準的なセマンティック検索が崩壊する抽象論理の転送を大幅に改善することを示した。 TS-RAGは非対称な配置において「能力橋」として機能し、軽量の説得者にパラメトリックに優位な相手(勝利率を70.5から78.5に向上させる)を一貫して打ち負かし、議論効率を向上させる。 最後に,DSR(Roy-by-turn Debate State Representation)によるトレースレベルの診断を導入し,デフォルトのエージェント・サイコファンシーによる評価崩壊を防止するための厳密な制約の必要性を示す。

関連論文リスト

• Decoupling Thought from Speech: Knowledge-Grounded Counterfactual Reasoning for Resilient Multi-Agent Argumentation [0.0]
  マルチエージェントの議論フレームワークは、収束タスクにおける大きな言語モデルのパフォーマンスを改善することが示されている。 これらのフレームワークは現在、プロセスの安定性よりも最終的な出力精度を強く好んで最適化されている。 本稿では,KG-CFR(Knowledge-Grounded Counterfactual Reasoning)について紹介する。
  論文  参考訳（メタデータ） (2026-06-09T06:43:18Z)
• ICON: Indirect Prompt Injection Defense for Agents based on Inference-Time Correction [24.416258744287166]
  ICONは、タスクの連続性を維持しながら攻撃を中和する、調査と軽減のためのフレームワークである。 ICONは競争力のある0.4%のASRを達成し、商業グレード検出器と一致し、50%以上のタスクユーティリティーゲインを得る。
  論文  参考訳（メタデータ） (2026-02-24T09:13:05Z)
• The Silent Saboteur: Imperceptible Adversarial Attacks against Black-Box Retrieval-Augmented Generation Systems [101.68501850486179]
  本稿では,RAGシステムに対する敵攻撃について検討し,その脆弱性を同定する。 このタスクは、ターゲット文書を検索する非知覚的な摂動を見つけることを目的としており、もともとはトップ$k$の候補セットから除外されていた。 本稿では、攻撃者とターゲットRAG間の相互作用を追跡する強化学習ベースのフレームワークであるReGENTを提案する。
  論文  参考訳（メタデータ） (2025-05-24T08:19:25Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)

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。