論文の概要: Multiscale Exit-Join Dynamics: Tactical Consensus and Strategic Coalition Formation

• arxiv url: http://arxiv.org/abs/2606.26139v1
• Date: Fri, 19 Jun 2026 03:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.011183
• Title: Multiscale Exit-Join Dynamics: Tactical Consensus and Strategic Coalition Formation
• Title（参考訳）: マルチスケール・エグジット・ジョイント・ダイナミクス:戦術的合意と戦略的協調形成
• Abstract要約: 本稿では、戦略的離脱・参加決定と、連立内の戦術的コンセンサスダイナミクスが組み合わさった連立形成のマルチスケールモデルを開発する。 対合情報集約から対合的に対合値を生成する。 結果は、多エージェントシステムにおける連立形成、コンセンサスダイナミクス、情報集約、戦略的安定性に関する統一的な視点を提供する。
• 参考スコア（独自算出の注目度）: 20.036142577511455
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper develops a multiscale model of coalition formation in which strategic exit-and-join decisions are coupled with tactical consensus dynamics inside coalitions. Coalition value is generated endogenously from within-coalition information aggregation, while Aumann-Dreze payoffs, switching frictions, and acceptance rules govern strategic reconfiguration. The framework introduces a fast-slow architecture in which transferable coalition value emerges from DeGroot-style consensus processes, while coalition structures evolve through incentive-driven exit-and-join dynamics. The analysis characterizes joint tactical-strategic equilibria, conditions for tactical and strategic unanimity, segregation, polarization, and cognitive barriers that sustain stable coalition structures. A fixed-point characterization and existence results are established for the coupled dynamics. Numerical experiments reveal an instability-consensus paradox: low or negative switching barriers may prevent strategic convergence while simultaneously promoting temporal mixing sufficient to achieve global tactical consensus. The results provide a unified perspective on coalition formation, consensus dynamics, information aggregation, and strategic stability in multi-agent systems.
• Abstract（参考訳）: 本稿では、戦略的離脱・参加決定と、連立内の戦術的コンセンサスダイナミクスが組み合わさった連立形成のマルチスケールモデルを開発する。 一方、Aumann-Drezeペイオフ、切り替え摩擦、受け入れルールは戦略的再構成を管理する。 このフレームワークは、転送可能な連立価値がDeGrootスタイルのコンセンサスプロセスから生まれ、一方、連立構造はインセンティブ駆動のイグジット・アンド・ジョイント・ダイナミクスを通じて進化する。 この分析は、共同戦術・戦略均衡、戦術的・戦略的一様性の条件、分離、分極、そして安定した連立構造を維持する認知的障壁を特徴づける。 結合力学に対して、固定点特性と存在結果が確立される。 低または負のスイッチングバリアは、戦略的収束を防ぎつつ、同時に時間混合を促進し、グローバルな戦術的コンセンサスを達成することができる。 この結果は、多エージェントシステムにおける連立形成、コンセンサスダイナミクス、情報集約、戦略的安定性に関する統一的な視点を提供する。

関連論文リスト

• DRG-MAPPO: Hierarchical Dynamic Role-Graph Multi-Agent Reinforcement Learning for Cooperative Air Combat [17.414462816406516]
  MARL(Multi-Agent Reinforcement Learning)は、自律システムと空戦における複雑な意思決定のパラダイムとして登場した。 MARLは航空戦において大きな可能性を示しているが、高度に戦術的な調整を達成することは難しい課題である。 本稿では,グラフに基づくリレーショナルモデリングと動的ロール割り当てを統合した新しいMARLフレームワークDRG-MAPPOを提案する。
  論文  参考訳（メタデータ） (2026-09-10T07:02:01Z)
• Stateful Cooperative Agents Safeguarding LLMs Against Evolving Multi-Turn Attacks [56.45762972211923]
  マルチターン攻撃に対するLDMの安全性を確保するためのプロアクティブ・ディフェンス・フレームワークを提案する。 特殊なエージェントが補完的な防衛戦略を実行するような、協調的なマルチエージェントアーキテクチャを採用している。 マルチターン攻撃における進化戦略をシミュレートするEMRAデータセットを提案する。
  論文  参考訳（メタデータ） (2026-07-31T14:04:49Z)
• Exit-and-Join Dynamics and Equilibrium in Continuum Cooperative Games [20.036142577511455]
  非原子的協調ゲームにおける出口と接合の連立力学の連続的理論を開発する。 分散化されたスイッチングルールから平均場ダイナミクスを導出し、ペイオフ差分スイッチングがレプリケータダイナミクスを回復させることを示す。 提案した理論は、協調価値配分、非協力的連立モビリティ、平均場力学、進化ゲーム理論、および集団ゲームを統合する。
  論文  参考訳（メタデータ） (2026-06-27T09:17:07Z)
• Beyond Trajectory Imitation: Strategy-Guided Policy Optimization for LLM Reasoning [76.93011742289768]
  強い言語モデルから弱い言語モデルへの推論能力の蒸留は、典型的には特定の解軌跡を模倣する。 この軌道レベルの模倣は、伝達可能な問題解決スキルの獲得よりも、インスタンス固有のステップの記憶を促進する。 再利用可能な戦略蒸留にインスタンスレベルの軌道模倣を置き換えた戦略誘導型政策最適化を提案する。
  論文  参考訳（メタデータ） (2026-06-23T02:14:12Z)
• Exit-and-Join Dynamics for Decentralized Coalition Formation [20.036142577511455]
  本研究では,一方的な出口・合流決定による分散的動的過程としての連立形成について検討する。 エージェントはAumann-Dreze値を使用して局所的な行動を評価するため、エージェントの現在の連立内で支払いが計算される。 終端分割は、正確には、許容可能で個々に利益のある出口と合流のずれのない連立構造である。
  論文  参考訳（メタデータ） (2026-06-18T01:19:31Z)
• Beyond Rational Illusion: Behaviorally Realistic Strategic Classification [56.458581740660236]
  本稿では,行動的現実的な戦略分類問題に対処するために,プロビジョンガイド型戦略フレームワーク(Pro-SF)を提案する。 Pro-SFは、行動学的に現実的な戦略的な反応の下でモデル化し、学習するための予測理論に基づく原則化されたフレームワークである。 合成および実世界のデータセットの実験は、Pro-SFを戦略分類の行動的基盤としたアプローチとして確立する。
  論文  参考訳（メタデータ） (2026-05-19T11:04:55Z)
• Static and Dynamic Strategies for Influencing Opinions in Social Networks [1.3552831447371743]
  本研究では,対象のスタブボーンエージェントが,有界信頼度力学によって支配されるネットワークの平均的意見をどう変えるかを検討する。 静的な介入は、頑固なエージェントが一定の極端な意見を保ち、ダイナミックな介入は、その意見が徐々に中程度から極端な値へと進化していく。
  論文  参考訳（メタデータ） (2026-05-14T14:52:30Z)
• Beyond Scaling: Assessing Strategic Reasoning and Rapid Decision-Making Capability of LLMs in Zero-sum Environments [15.538910160052964]
  本稿では,マルチエージェント評価フレームワークであるStrategic Tactical Agent Reasoning (STAR) Benchmarkを紹介する。 STARはターンベースとリアルタイムの両方の設定をサポートし、長期戦略計画の制御可能な分析を可能にする。 対話型環境における戦略的インテリジェンスは、推論の深さだけでなく、計画をタイムリーな行動に変換する能力にも依存することを示す。
  論文  参考訳（メタデータ） (2026-03-10T08:14:13Z)
• Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
  最小コア(LC)概念に基づく配当フレームワークを提案する。 従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。 統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
  論文  参考訳（メタデータ） (2026-02-03T11:10:50Z)
• Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective [55.919842734983156]
  CoSAは、共有された低次元セマンティック空間内で機能する転送可能なアタックフレームワークである。 CoSAは、最先端のトランスファー可能な攻撃を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-30T15:48:11Z)
• PACEvolve: Enabling Long-Horizon Progress-Aware Consistent Evolution [64.15555230987222]
  PACEvolveはエージェントのコンテキストと検索ダイナミクスを堅牢に管理するように設計されたフレームワークである。 PACEvolveは、一貫性のある長期自己改善のための体系的なパスを提供する。
  論文  参考訳（メタデータ） (2026-01-15T18:25:23Z)
• Institutional Noise, Strategic Deviation, and Intertemporal Collapse: A Formal Model of Miner Behaviour under Protocol Uncertainty [0.0]
  本稿では,ブロックチェーンシステムにおけるプロトコル変更性が協調的なマイニング動作をいかに阻害するかを,ゲーム理論の形式的モデルで検証する。 ルールショックを繰り返すゲームフレームワークを用いることで,制度ルールのマイナーな不確実性さえも,時間的嗜好を増大させ,戦略的な逸脱を引き起こすことを示す。 分散型システムにおいて持続可能な協力が実現されるためには, プロトコル設計は, 決定変数ではなく, 憲法上の経済制約として扱う必要があると結論づける。
  論文  参考訳（メタデータ） (2025-06-26T04:12:06Z)
• EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning [69.55982246413046]
  戦略的推論のための明示的なポリシー最適化(EPO)を提案する。 我々は,マルチターン強化学習(RL)による戦略的推論モデルを訓練し,プロセス報酬と反復的な自己プレイを活用する。 本研究は, EPOに出現する様々な協調的推論機構と, 新規戦略の創出における有効性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-02-18T03:15:55Z)
• Bayesian Soft Actor-Critic: A Directed Acyclic Strategy Graph Based Deep Reinforcement Learning [1.8220718426493654]
  本稿では,ベイズ連鎖に基づく新規な非巡回戦略グラフ分解手法を提案する。 我々は、このアプローチを最先端DRL法、ソフトアクター・クリティック(SAC)に統合する。 ベイズ・ソフト・アクター・クリティック(BSAC)モデルを構築し, 共同政策としていくつかのサブ政治を組織化することによって, 対応するベイズ・ソフト・アクター・クリティック(BSAC)モデルを構築する。
  論文  参考訳（メタデータ） (2022-08-11T20:36:23Z)

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。