論文の概要: Semantic Cooperative Games for Contribution Attribution in LLM-Based Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2607.18255v1
- Date: Thu, 14 May 2026 03:18:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.090686
- Title: Semantic Cooperative Games for Contribution Attribution in LLM-Based Multi-Agent Systems
- Title（参考訳）: LLMに基づく多エージェントシステムにおける貢献貢献のためのセマンティック協調ゲーム
- Authors: Pengyi Jiang, Xiaoguang Zhu, Quanyan Zhu,
- Abstract要約: 本稿では,言語フローを意味生成ハイパーグラフとして表現するフレームワークを提案する。
セマンティックシェープ値(SSV)を定義し、セマンティックサポートロジックに対するコントリビューションを割り当てる。
我々は,SSVが標準セットベース,完全観測可能,非順序依存条件下での古典的シェープリー値に還元されることを証明した。
- 参考スコア（独自算出の注目度）: 17.736859646169773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contribution attribution has become a central problem in LLM-based multi-agent systems, where final outputs are produced through multiple agents, message exchanges, and ordered workflow dependencies. Existing attribution methods often rely on counterfactual valuation, such as removing agents or comparing score changes across altered agent subsets. In language-mediated workflows, these methods require repeated model calls, introduce high variance, and do not explicitly capture the intermediate semantic states through which agents produce, preserve, and transform task-relevant information. We propose Semantic Cooperative Games (SCG), a framework that represents a realized language flow as a semantic generation hypergraph and induces an agent-level semantic value function on this structure. We define the Semantic Shapley Value (SSV) to allocate contribution over semantic support logic, and introduce SLIC, a single-trajectory algorithm that constructs the semantic hypergraph, recovers minimal semantic supports, applies Boolean absorption, and computes SSV without rerunning agent subsets. We prove that SSV reduces to the classical Shapley value under standard set-based, fully observable, and no-order-dependence conditions. On a medical benchmark satisfying these conditions, SLIC reduces computation cost by 93.3% while remaining highly consistent with a Monte Carlo Shapley baseline. In more general multi-role workflows, SSV aligns with perturbation-induced score-drop profiles and exposes cases where semantic contribution and failure impact diverge. Overall, SLIC provides a fast, counterfactual-free, and interpretable attribution method for complex LLM-based multi-agent systems.
- Abstract（参考訳）: コントリビューション属性は、複数のエージェント、メッセージ交換、順序付けられたワークフロー依存性を通じて最終的な出力が生成されるLLMベースのマルチエージェントシステムにおいて、中心的な問題となっている。
既存の帰属法は、エージェントを削除したり、変更されたエージェントサブセット間でスコアの変化を比較するといった、反実的評価に依存することが多い。
言語によるワークフローでは、これらの手法は繰り返しモデル呼び出しを必要とし、高い分散を導入し、エージェントがタスク関連情報を生成、保存、変換する中間的セマンティックステートを明示的にキャプチャしない。
本稿では,セマンティック・コラボレーティブ・ゲーム (SCG) を提案する。セマンティック・コラボレーティブ・ゲーム (SCG) は,セマンティックな言語フローを意味生成ハイパーグラフとして表現し,エージェントレベルのセマンティック・バリュー関数を誘導するフレームワークである。
セマンティックシェーピー値(SSV)を定義し,セマンティックハイパーグラフを構築し,セマンティックハイパーグラフを最小のセマンティックサポートを復元し,ブール吸収を適用し,エージェントサブセットを再実行せずにSSVを演算する単一軌道アルゴリズムであるSLICを導入する。
我々は,SSVが標準セットベース,完全観測可能,非順序依存条件下での古典的シェープリー値に還元されることを証明した。
これらの条件を満たす医療ベンチマークでは、SLICは計算コストを93.3%削減し、モンテカルロ・シャプリのベースラインと高度に整合性を維持している。
より一般的なマルチロールワークフローでは、SSVは摂動によるスコアドロッププロファイルと整合し、セマンティックコントリビューションと障害の影響が分散するケースを公開する。
全体として、SLICは、複雑なLLMベースのマルチエージェントシステムに対して、高速で、反ファクトフリーで、解釈可能な属性法を提供する。
関連論文リスト
- Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution [25.26084224278813]
Role-Agentは単一のLarge Language Model(LLM)を使用してエージェントと環境の両方として同時に機能する。
Role-Agentはパフォーマンスを継続的に改善し、強いベースラインよりも平均4%以上向上する。
論文 参考訳（メタデータ） (2026-06-09T14:28:07Z) - Context Pruning for Coding Agents via Multi-Rubric Latent Reasoning [14.508049757681862]
LLMベースのコーディングエージェントは、トークンの予算の大部分をリポジトリファイルを読むのに費やしている。
この定式化がモデリングのボトルネックを生み出すことを示す。
コード関連性を2つの解釈可能な品質次元に分解する構造化プルーニングフレームワークであるLaMRを提案する。
論文 参考訳（メタデータ） (2026-05-14T18:30:10Z) - Job Skill Extraction via LLM-Centric Multi-Module Framework [51.37063712967151]
本稿では,意味検索,文脈内学習,教師付き微調整を組み合わせたLLM中心のフレームワークであるSRICLを提案する。
SRICLは、6つの公的なスパンラベル付きジョブアド文のコーパスにおいて、GPT-3.5よりも相当なSTRICT-F1の改善を達成し、ベースラインを加速し、無効なタグと幻覚したスパンを激減する。
論文 参考訳（メタデータ） (2026-04-23T10:46:07Z) - Beyond Linear LLM Invocation: An Efficient and Effective Semantic Filter Paradigm [17.52767415071768]
Clustering-Sampling-Voting(CSV)は、エラー保証を提供しながら、呼び出しをサブ線形の複雑さに還元するフレームワークである。
CSVはセマンティッククラスタをセマンティッククラスタに組み込み、評価のために小さなサブセットをサンプリングし、2つの投票戦略を通じてクラスタレベルのラベルを推論する。
論文 参考訳（メタデータ） (2026-03-05T04:37:15Z) - Refer-Agent: A Collaborative Multi-Agent System with Reasoning and Reflection for Referring Video Object Segmentation [50.22481337087162]
Referring Video Object (RVOS) は、テキストクエリに基づくビデオ内のオブジェクトのセグメンテーションを目的としている。
Refer-Agent (Refer-Agent) は、共用多エージェントシステムである。
論文 参考訳（メタデータ） (2026-02-03T14:48:12Z) - PEFA-AI: Advancing Open-source LLMs for RTL generation using Progressive Error Feedback Agentic-AI [5.455262834289454]
本稿では,人的介入を伴わずにレジスタ転送レベル(RTL)生成のタスクを協調的に完了する複数のエージェントからなるエージェントフローを提案する。
提案するフローの重要な特徴は,自己修正機構であるエージェントのプログレッシブエラーフィードバックシステム(PEFA)である。
コード生成に対するこの適応的アプローチを検証するために、ベンチマークは2つのオープンソース自然言語-RTLデータセットを使用して実行される。
論文 参考訳（メタデータ） (2025-11-06T00:19:47Z) - Language Models as Semantic Augmenters for Sequential Recommenders [20.934150208996048]
大規模言語モデル(LLM)は、様々なモダリティをまたいだ潜在意味論と文脈的関係を捉えるのに優れています。
このようなシーケンスを自動的に強化するフレームワークであるLaMARを紹介する。
LaMARは、ユーザの意図とメタデータからの項目関係の潜在意味的側面を推測することにより、補助的なコンテキスト信号を生成する。
論文 参考訳（メタデータ） (2025-10-20T19:36:38Z) - Discrete Tokenization for Multimodal LLMs: A Comprehensive Survey [69.45421620616486]
本研究は、大規模言語モデル(LLM)用に設計された離散トークン化手法の最初の構造的分類と解析である。
古典的および近代的なパラダイムにまたがる8つの代表的なVQ変種を分類し、アルゴリズムの原理を分析し、力学を訓練し、LLMパイプラインとの統合に挑戦する。
コードブックの崩壊、不安定な勾配推定、モダリティ固有の符号化制約など、重要な課題を特定する。
論文 参考訳（メタデータ） (2025-07-21T10:52:14Z) - IDA-Bench: Evaluating LLMs on Interactive Guided Data Analysis [60.32962597618861]
IDA-Benchは、多ラウンドの対話シナリオで大規模言語モデルを評価する新しいベンチマークである。
エージェント性能は、最終的な数値出力と人間由来のベースラインを比較して判断する。
最先端のコーディングエージェント(Claude-3.7-thinkingなど)でさえ50%のタスクを成功させ、シングルターンテストでは明らかでない制限を強調している。
論文 参考訳（メタデータ） (2025-05-23T09:37:52Z) - Amortizing intractable inference in large language models [56.92471123778389]
難治性後部分布のサンプルとして, 償却ベイズ推定を用いる。
我々は,LLMファインチューニングの分散マッチングパラダイムが,最大習熟の代替となることを実証的に実証した。
重要な応用として、チェーン・オブ・ソート推論を潜在変数モデリング問題として解釈する。
論文 参考訳（メタデータ） (2023-10-06T16:36:08Z)
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。