論文の概要: Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents
- arxiv url: http://arxiv.org/abs/2607.15095v2
- Date: Fri, 17 Jul 2026 15:57:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 13:50:44.557106
- Title: Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents
- Title（参考訳）: デジタルパンテオン : LLMエージェントを用いた協調形成のシミュレーションと監査
- Abstract要約: 実地をイデオロギー的アライメントで整合させる多エージェントフレームワークを提案する。
我々は、2019年のフランドルの選挙の枠組みを運用し、囚人が仲裁したハブ・アンド・スポーク交渉に党員を配置する。
- 参考スコア（独自算出の注目度）: 0.22940141855172028
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The formation of political coalitions is a complex negotiation driven by both concrete policy objectives and deep-seated ideological convictions. While Large Language Models (LLMs) open new avenues for computational political science, the neutrality and helpfulness biases instilled by Reinforcement Learning from Human Feedback (RLHF) prevent them from sustaining steadfast partisan behaviour. We present a multi-agent framework that reconciles factual grounding with ideological alignment by combining Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO), and Retrieval-Augmented Generation (RAG): DPO instils aggressive party-specific personas, while a per-party RAG pipeline keeps each agent bounded to its official manifesto. We operationalize the framework on the 2019 Flemish election, deploying the partisan agents in a hub-and-spoke negotiation arbitrated by a formateur. To make the emergent negotiation interpretable, we introduce a Multi-Layered Information Lineage Topology (MILT) that traces every clause in the final agreement back to its manifesto origin and classifies it into five provenance states, a Coalition Influence Score (CIS) that aggregates these traceable contributions to identify which party shaped the agreement, and a real-world grounding pass that benchmarks each simulated provision against the historically adopted coalition agreement. Across three independent simulations the framework yields a stable winner and ranking (N-VA ahead of CD\&V and Open Vld), and manifesto-anchored lineage reliably predicts real-world materialization whereas hallucinated content does not. The result is a transparent, scalable testbed for the ex-ante exploration of party compatibility and formateur-mediated compromise.
- Abstract（参考訳）: 政治的連立の形成は、具体的な政策目標と深い席のイデオロギー的信念の両方によって引き起こされる複雑な交渉である。
大規模言語モデル(LLM)は、計算政治科学のための新しい道を開く一方で、強化学習(RLHF)によって取り入れられる中立性と補助性バイアスは、より緩やかなパルチザン的行動を維持することを妨げている。
提案するマルチエージェントフレームワークは,ファインチューニング (SFT) や直接優先度最適化 (DPO) ,レトリーバル拡張生成 (RAG) を併用することで,現実的なグラウンドとイデオロギー的アライメントを一致させる。
我々は、2019年のフランドルの選挙の枠組みを運用し、囚人が仲裁したハブ・アンド・スポーク交渉に党員を配置する。
創発的な交渉を解釈するために、最終合意のすべての節をそのマニフェストの起源に遡り、5つの前兆状態に分類する多層情報直線トポロジー(MILT)と、この合意をどの当事者が形成したかを特定するためにこれらのトレース可能な貢献を集約する連合影響スコア(CIS)と、歴史的に採択された連立協定に対して各規定をベンチマークする現実的な根拠パスを導入する。
3つの独立したシミュレーションで、このフレームワークは安定した勝者とランキング(CD\&VやOpen Vldより先にN-VA)を得る。
その結果は透明でスケーラブルなテストベッドで、サードパーティとの互換性や、違反者による妥協を前任者の探究に役立てる。
関連論文リスト
- ProMediConv: Benchmarking Proactive Conversational Agents in Legal Dispute Mediation [65.39532118490511]
ProMediConvは、メディエーションをプロアクティブ、マルチステージ、パーティ対応の対話プロセスとしてモデル化する新しいベンチマークフレームワークである。
972個の実世界のケースを用いて,戦略およびBP状態の発話レベルアノテーションを用いた高忠実度調停データセットを構築した。
また、対話を通してBPシフトを捉えるための詳細な計量であるMAD(Mean Attribute difference)を提案する。
論文 参考訳（メタデータ） (2026-09-10T05:26:40Z) - Mapping Political-Elite Networks in Europe with a Multilingual Joint Entity-Relation Extraction Pipeline [0.03618585333595831]
多言語共役関係抽出のためのモジュラーで完全オープンウェイトなパイプラインを提案する。
巨大な構造化されていないニュースコーパスから、署名付き時間的知識グラフを構築する。
3491-リレーショナルゴールド標準に対するフルカバーのスポットチェックは、高いテキストの正確性を示している。
論文 参考訳（メタデータ） (2026-06-25T17:51:59Z) - Evaluation of Alternative-Based Information Systems for Deliberative Polling using an Agentic Simulator [0.7354329172946913]
デリバティブ・ポーリングは、投票前に株主を幅広い議論にさらすことで、集団的な意思決定を改善することを約束する。
しかし、すべての投票者が理由空間の代表的なサンプルに遭遇することを保証するため、カバレッジ問題は依然としてオープンな課題である。
本稿では, LLMをベースとしたエージェントバイポーラ調停シミュレータを用いた評価手法を提案する。
論文 参考訳（メタデータ） (2026-06-10T06:15:13Z) - Learning to Negotiate: Multi-Agent Deliberation for Collective Value Alignment in LLMs [0.41998444721319217]
本研究は,大規模言語モデルを集合エージェント(CA)に整合させるマルチエージェント交渉に基づくアライメントフレームワークを提案する。
スケーラブルなトレーニングを実現するために、同一のLLMの2つのセルフプレイインスタンスは、反対のペルソナを割り当て、構造化されたターンベースの対話を行い、相互に有益なソリューションを合成する。
実験結果から, 単一エージェントベースラインに匹敵するCAアライメントを実現するとともに, 汎用言語能力を低下させることなく, コンフリクト分解性能を大幅に向上することがわかった。
論文 参考訳（メタデータ） (2026-03-11T06:58:55Z) - Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition [52.232968183793986]
General Policy Composition (GPC) は、複数の事前学習されたポリシーの分布スコアを組み合わせることで、パフォーマンスを向上させる訓練のない手法である。
GPCは、さまざまなタスクセットにおけるパフォーマンスと適応性を一貫して改善します。
論文 参考訳（メタデータ） (2025-10-01T16:05:53Z) - Pluralistic Off-policy Evaluation and Alignment [47.35585359400588]
LLMにおけるオフライン多元的選好評価とアライメントのための最初のフレームワークであるPOPEを提案する。
POPEには、人間の嗜好信号から派生した協調ユーティリティコンポーネントと、エントロピーベースのカバレッジ尺度にインスパイアされた多様性コンポーネントを組み合わせた、統一的な報酬機能が含まれている。
実験の結果,POPEは複数の応答生成を効率よく向上し,下流タスクにおけるモデルの汎用能力を維持できることがわかった。
論文 参考訳（メタデータ） (2025-09-15T01:57:49Z) - LegiGPT: Party Politics and Transport Policy with Large Language Model [0.0]
本研究では,大規模言語モデル (LLM) と説明可能な人工知能 (XAI) を統合し,交通機関に関する立法提案を分析する新しい枠組みを提案する。
交通政策形成の鍵となる要因を特定するために、政治的提携とスポンサー特性が用いられた。
その結果、保守的かつ進歩的なスポンサーの数と比率が、選挙区規模や選挙人人口と共に、立法成果を形作る重要な決定要因であることが判明した。
論文 参考訳（メタデータ） (2025-06-20T02:25:52Z) - Strategies for political-statement segmentation and labelling in unstructured text [2.5338097608867542]
MARPORプロジェクトの参加者によって、バイステートメントな政治的スタンスラベルを持つマニフェストの大規模なコーパスが作成されている。
本稿では,テキストデータから文を共同で分割・分類することのできる,統一された分割・ラベルのフレームワークを提案し,検証する。
本手法は,政治宣言の原文に適用した場合,競争精度が向上することを示し,英国庶民院の記録に応用することで,その研究可能性を示す。
論文 参考訳（メタデータ） (2025-03-10T10:56:06Z) - LEAF: Unveiling Two Sides of the Same Coin in Semi-supervised Facial Expression Recognition [56.22672276092373]
半教師付き学習は、表情認識におけるラベル不足の課題に取り組むための有望なアプローチとして現れてきた。
半教師付きFERのための表現関連表現と擬似ラベルを協調する統合フレームワークであるhierarchicaL dEcoupling And Fusing (LEAF)を提案する。
論文 参考訳（メタデータ） (2024-04-23T13:43:33Z) - Modelling Political Coalition Negotiations Using LLM-based Agents [53.934372246390495]
我々は、新しいNLPタスクとして連立交渉を導入し、それを大規模言語モデルに基づくエージェント間の交渉としてモデル化する。
我々は、欧州政党の宣言とこれらの国における多数の選挙に関する連立協定を含む多言語データセット「POLCA」を導入する。
本稿では、政党間の連立交渉の過程をシミュレートし、その結果を予測するために、階層的なマルコフ決定プロセスを提案する。
論文 参考訳（メタデータ） (2024-02-18T21:28:06Z) - Tree-Structured Policy based Progressive Reinforcement Learning for
Temporally Language Grounding in Video [128.08590291947544]
非トリミングビデオにおける一時的言語接地は、ビデオ理解における新たな課題である。
ヒトの粗大な意思決定パラダイムにインスパイアされた我々は、新しい木構造政策に基づくプログレッシブ強化学習フレームワークを定式化した。
論文 参考訳（メタデータ） (2020-01-18T15:08:04Z)
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。