論文の概要: The Contagion Tensor: A Framework for Measuring Output-Distribution Coupling in Multi-Agent LLM Systems -- and Auditing the Claims It Enables

• arxiv url: http://arxiv.org/abs/2606.28839v1
• Date: Sat, 27 Jun 2026 09:51:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.702416
• Title: The Contagion Tensor: A Framework for Measuring Output-Distribution Coupling in Multi-Agent LLM Systems -- and Auditing the Claims It Enables
• Title（参考訳）: Contagion Tensor: マルチエージェントLLMシステムにおけるアウトプット・ディストリビューション・カップリングの測定フレームワーク -- とそれを可能にする主張の検証
• Abstract要約: Contagionは、大きな言語モデル(LLM)の出力分布が、モダリティ、エージェント、タイムステップでどのように一致しているかを定量化するための測定フレームワークである。 CAFを4つの変種でインスタンス化し、完全な2x2x2ブロック直交シミュレーション設計において最強の評価を行う。 DeepSeek-Chat (R=30) と GPT-4o-mini (R=15, Real Vision) の2つのモデルファミリーにわたる実API実験を補完する。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the Contagion Tensor, a measurement framework for quantifying how large language model (LLM) output distributions couple across modalities, agents, and time steps. From the tensor we derive the Coupling Amplification Factor (CAF), a family of ratio-based metrics sharing the form CAF = E[T_condition] / E[T_baseline], providing unitless, baseline-referenced measurement with bootstrap confidence intervals. We instantiate CAF in four variants and evaluate the strongest in a complete 2x2x2 block-orthogonal simulation design with modality-specific ablation. The ablation reveals that an apparent image-condition super-linear effect (CAF = 1.40) collapses to sub-linear (CAF = 0.87) when the image perturbation module is disabled, a shift of -0.53 with zero effect on text conditions. We supplement with real-API experiments across two model families: DeepSeek-Chat (R=30) and GPT-4o-mini (R=15, real vision). Under uniform personas, text-only communication produces CAF approx 1.0 in both models. Diverse personas drive convergence (CAF = 0.88). A within-model comparison on GPT-4o-mini reveals: C3 (text) CAF = 1.02 vs. C5 (real vision, R=30) CAF = 1.72 [1.700, 1.733], delta = +0.70, validating the simulation's super-linear image-condition prediction. Of 11 conditions, 5 have been tested on real APIs and 6 remain unverified. Our contribution is two-layered: (1) a measurement instrument that makes output-distribution coupling quantitatively falsifiable; and (2) a transferable ablation protocol that any modular multi-agent simulator can adopt to distinguish genuine coupling from design artifacts.
• Abstract（参考訳）: Contagion Tensorは,言語モデル(LLM)の出力分布が,モダリティ,エージェント,時間ステップ間でどのように一致しているかを定量化するためのフレームワークである。 テンソルから CAF = E[T_condition] / E[T_baseline] という形で表される比率ベースのメトリクスの族である Coupling Amplification Factor (CAF) を導出し、ブートストラップの信頼区間を単位のないベースライン基準で測定する。 CAFを4つの変種でインスタンス化し、モーダリティ特異的アブレーションを用いた2x2x2ブロック直交シミュレーション設計において最強の評価を行う。 アブレーションにより、画像摂動モジュールが無効になったとき、見かけ上の画像条件の超線形効果(CAF = 1.40)がサブ線形効果(CAF = 0.87)に崩壊し、テキスト条件に影響を与えない-0.53のシフトが現れる。 DeepSeek-Chat (R=30) と GPT-4o-mini (R=15, real vision) の2つのモデルファミリーにわたる実API実験を補完する。 統一されたペルソナの下では、テキストのみの通信は両方のモデルでCAFアロックス1.0を生成する。 逆ペルソナ駆動収束(CAF = 0.88)。 C3 (text) CAF = 1.02 vs. C5 (real vision, R=30) CAF = 1.72 [1.700, 1.733], delta = +0.70, シミュレーションの超線形画像条件予測を検証する。 11の条件のうち、5は実際のAPIでテストされ、6は未検証のままである。 提案手法は,(1) 出力分配結合を定量的に実現可能な測定器,(2) モジュール型マルチエージェントシミュレータが適用可能な転送可能なアブレーションプロトコルを用いて,設計成果物と真の結合を区別する。

関連論文リスト

• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems [1.0152838128195467]
  結合増幅係数(CAF = JSD_cond / JSD_baseline)を介して表現結合を測定するプロトコルであるBOUNDary_SYNCを紹介する。 制御されたGPT-4o実験では,テキストと画像の結合を計測する。 その結果, LLM エージェントのカップリングは実数, 測定可能, 制御可能であり, マルチエージェントシステム設計に直接的な意味を持つことがわかった。
  論文  参考訳（メタデータ） (2026-07-02T01:55:57Z)
• Dimensional Coactivation for Representational Consistency in Frozen Vision Foundation Models [0.0]
  本研究は,凍結基礎モデルが意味領域をまたいだ1つのサンプルを連続的に表現するかどうかを考察する。 本稿では,このコヒーレンスを測定するための次元別コヒーレンス(DCA)について紹介する。 DCAは安定な1次元座標系に依存し、領域抽出のみに依存しない。
  論文  参考訳（メタデータ） (2026-05-07T15:32:47Z)
• PHANTOM: Polymorphic Honeytoken Adaptation with Narrative-Tailored Organisational Mimicry [0.2538209532048867]
  ハネトケンは、不正な属性アクセスを検出するために植えられたデコイデジタル資産である。 PHANTOMは,組織固有の知識を符号化することで,文脈的に説得力のあるハネトケンを生成するフレームワークである。 結果は外部のAPIコールなしで再現されるため、パイプラインは空調された環境で完全にデプロイできる。
  論文  参考訳（メタデータ） (2026-05-04T17:14:13Z)
• The Surprising Universality of LLM Outputs: A Real-Time Verification Primitive [0.0]
  CPUのみのスコアリングプリミティブはトークン当たり2.6マイクロ秒で動作する。 トークンのランク周波数分布は同じ2パラメータのMandelbrotランキング分布に収束する。 利用可能な場合にモデルログの確率で構成し、クローズドAPIで使用可能なランクオンリーモードに分解するシングルパススコアリングプリミティブを導出する。
  論文  参考訳（メタデータ） (2026-04-28T13:35:31Z)
• Zoom Consistency: A Free Confidence Signal in Multi-Step Visual Grounding Pipelines [0.880899367147235]
  マルチステップズームインパイプラインはGUIグラウンディングに広く利用されている。 中間出力は、無償で有用な信頼信号: ズーム一貫性を含む。 理想化条件下でのステップ1空間誤差の線形推定器であることを示す。
  論文  参考訳（メタデータ） (2026-04-15T20:47:08Z)
• LINA: Linear Autoregressive Image Generative Models with Continuous Tokens [56.80443965097921]
  連続トークンを持つ自己回帰モデルは、特にテキスト・トゥ・イメージ(T2I)合成において、視覚生成に有望なパラダイムを形成する。 このフレームワーク内での計算効率のよい線形アテンションの設計法について検討する。 LINAは、線形注意に基づくシンプルで計算効率の良いT2Iモデルであり、ユーザ命令から高忠実度1024x1024画像を生成することができる。
  論文  参考訳（メタデータ） (2026-01-30T06:44:33Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Evaluating Perceptual Distance Models by Fitting Binomial Distributions to Two-Alternative Forced Choice Data [43.714290271351466]
  本稿では,二項決定モデルに最大推定値を適用し,より頑健な距離モデル評価手法を提案する。 提案手法は2つの2AFC PFデータセット上での様々な視覚距離モデルの評価から, 簡便さ, 可視性, 柔軟性, 計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T15:21:04Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
  我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
  論文  参考訳（メタデータ） (2022-10-26T00:23:36Z)

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。