論文の概要: The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce
- arxiv url: http://arxiv.org/abs/2607.13998v1
- Date: Wed, 15 Jul 2026 16:27:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.831661
- Title: The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce
- Title（参考訳）: 自律商取引における動的検証可能なマルチエージェント・エージェント・ロイヤリティループ(DVM-HALL)モデルとネット・ヒューマン・エージェントスコア(NHAS)
- Abstract要約: エージェント人工知能の急速な普及は、伝統的な顧客忠誠のパラダイムを根本的に破壊する。
動的検証型マルチエージェントロイヤリティループモデルを提案する。
本稿では,コントロールされたショッピング実験,マルチエージェント市場シミュレーション,DeFiテストベッドにまたがる総合的な3段階実証検証計画を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid proliferation of Agentic Artificial Intelligence fundamentally disrupts traditional customer loyalty paradigms. As AI evolves from passive recommendation algorithms to autonomous, goal-directed agents capable of executing purchasing decisions, the conventional understanding of consumer-brand relationships requires a structural reevaluation. By synthesizing extant literature across human-machine teaming, consumer decision-making, and algorithmic trust dynamics, we demonstrate that traditional loyalty models fail to account for algorithmic bounded rationality and constructed autonomy. To address this, we introduce the Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) model. We formalize brand choice via a softmax probability formulation where human emotional equity, agentic machine-experience utility, calibrated trust, delegated authority, and verifiable execution jointly determine selection. The model features recursive updating mechanisms to dynamically calibrate trust and delegation after each interaction. Crucially, the framework integrates a verifiable execution layer for Decentralized Finance (DeFi) and tokenized loyalty settings, incorporating execution risks -- such as gas costs, slippage, MEV exposure, and smart-contract vulnerabilities -- as core predictors of agentic brand preference. Furthermore, we introduce the Net Human-Agent Score (NHAS), an auditable, risk-weighted metric designed to measure human-agent alignment using human feedback, execution logs, benchmark comparisons, and verifiable receipts. Finally, we propose a comprehensive three-stage empirical validation plan spanning controlled shopping experiments, multi-agent market simulations, and DeFi testbeds. This framework provides the foundational theory required for brands to navigate the impending transition toward machine customers.
- Abstract（参考訳）: エージェント人工知能の急速な普及は、伝統的な顧客忠誠のパラダイムを根本的に破壊する。
AIがパッシブレコメンデーションアルゴリズムから、意思決定を実行する自律的な目標指向エージェントへと進化するにつれて、消費者ブランドの関係に関する従来の理解は構造的再評価を必要とする。
既存の文献を人間と機械のチーム、消費者の意思決定、アルゴリズム的信頼のダイナミクスで合成することにより、従来の忠誠モデルがアルゴリズム的有界合理性を考慮せず、自律性を構築できないことを示す。
そこで本稿では,動的検証可能なマルチエージェント・エージェント・ロイヤリティ・ループ(DVM-HALL)モデルを提案する。
我々は、人間の感情的平等、エージェントマシン体験ユーティリティ、キャリブレーションされた信頼、委任された権限、検証可能な実行が選択を共同で決定するソフトマックス確率定式化を通じてブランド選択を定式化する。
このモデルは、各インタラクション後の信頼と委譲を動的にキャリブレーションする再帰的な更新機構を備えている。
重要な点として、このフレームワークは、分散ファイナンス(DeFi)とトークン化されたロイヤリティ設定のための検証可能な実行層を統合し、ガスコスト、滑り込み、MEV露出、スマートコントラクトの脆弱性といった実行リスクをエージェントブランドの好みのコア予測要素として取り入れている。
さらに、人間のフィードバック、実行ログ、ベンチマーク比較、検証可能なレシートを用いて、人間エージェントのアライメントを測定するために設計された、監査可能なリスク重み付きメトリクスであるNet Human-Agent Score(NHAS)を紹介する。
最後に、制御されたショッピング実験、マルチエージェント市場シミュレーション、DeFiテストベッドにまたがる総合的な3段階実証検証計画を提案する。
このフレームワークは、ブランドがマシン顧客への差し迫った移行をナビゲートするために必要な基礎理論を提供する。
関連論文リスト
- ComBodied Agents: a New Paradigm of Human-Centric Agentic AI [121.60938707072069]
我々は、人間中心のパラダイムであるCombodied Agentsを紹介し、時間とともに個々の人間状態の軌跡を知覚し、モデル化し、予測し、支援する。
パーソナルアシスタント、ヘルスエージェント、AIコンパニオン、適応型ヒューマンAIシステムをクローズドループに統合する。
論文 参考訳（メタデータ） (2026-08-11T13:35:58Z) - Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。
この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
論文 参考訳（メタデータ） (2026-07-05T17:55:05Z) - The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。
評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。
メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
論文 参考訳（メタデータ） (2026-06-03T04:58:17Z) - A Case-Driven Multi-Agent Framework for E-Commerce Search Relevance [0.0]
関連性(Relevance)は、eコマース検索におけるユーザエクスペリエンスの基盤である。
本稿では,ケース駆動型マルチエージェントフレームワークを提案する。
このフレームワークは、関連性関連タスクを効果的に実行し、アノテーションの精度を向上し、よりタイムリーで一般化可能なバッドケースの解決を可能にする。
論文 参考訳（メタデータ） (2026-05-07T10:41:50Z) - AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems [0.0]
AgentICAITAはエージェントAIフレームワークで、従来のシグナルを置き換えて、完全に自律的なループでパラダイムを実行する。
このフレームワークは、76の資産にわたる157のゼロ・インターベンション・呼び出しを達成し、デリバティブ・パイプラインの運用上の正しさを示す。
論文 参考訳（メタデータ） (2026-05-01T16:25:43Z) - Beyond Retrieval: Modeling Confidence Decay and Deterministic Agentic Platforms in Generative Engine Optimization [15.714806612554641]
既存のRAGベースGEOの確率的欠陥を系統的に分解する。
決定論的多エージェントインテントルーティングへのパラダイムシフトを提案する。
本研究は次世代GEOの基礎理論的枠組みを確立する。
論文 参考訳（メタデータ） (2026-04-04T09:17:37Z) - Turing Test on Screen: A Benchmark for Mobile GUI Agent Humanization [40.016387553294685]
エージェントが人間中心のエコシステムで生き残るためには、彼らは人間化能力を進化させなければならない、と我々は主張する。
この作業は、エージェントがタスクを実行できるかどうかから、人間中心のエコシステム内でそれを実行する方法へとパラダイムをシフトさせる。
論文 参考訳（メタデータ） (2026-02-24T04:29:42Z) - Embedded Universal Predictive Intelligence: a coherent framework for multi-agent learning [57.23345786304694]
予測学習のための枠組みと自己予測を中心とした組込みエージェントを導入する。
マルチエージェント設定では、エージェントが類似したアルゴリズムを実行している他のエージェントについて推論することができる。
我々は、AIXIの理論を拡張し、Solomonoffから始まる普遍的なインテリジェントな埋め込みエージェントについて研究する。
論文 参考訳（メタデータ） (2025-11-27T08:46:48Z) - How can we assess human-agent interactions? Case studies in software agent design [52.953425368394306]
我々は,人間とエージェントの相互作用の厳密な評価に向けて,二つの大きな一歩を踏み出した。
エージェント設計のより効率的な人間中心評価のためのフレームワークであるPULSEを提案する。
私たちは、オープンソースのソフトウェアエージェントOpenHandsを中心に構築された大規模なWebプラットフォームにフレームワークをデプロイします。
論文 参考訳（メタデータ） (2025-10-10T19:04:28Z) - STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。
我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。
MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-08-26T08:47:58Z) - Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts [20.8288955218712]
本稿では,マルコフ決定プロセス(MDP)のエージェントを一連の契約でガイドするフレームワークを提案する。
我々は,主観とエージェントの方針を反復的に最適化するメタアルゴリズムを提示し,分析する。
次に,本アルゴリズムを深層Q-ラーニングで拡張し,近似誤差の存在下での収束度を解析する。
論文 参考訳（メタデータ） (2024-07-25T14:28:58Z)
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。