論文の概要: Imprecise Belief Fusion Improves Multi-agent Social Learning

• arxiv url: http://arxiv.org/abs/2608.01367v1
• Date: Sun, 02 Aug 2026 16:39:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.185957
• Title: Imprecise Belief Fusion Improves Multi-agent Social Learning
• Title（参考訳）: 不正確な信念融合はマルチエージェント社会学習を改善する
• Authors: Zixuan Liu, Jonathan Lawry, Michael Crosscombe,
• Abstract要約: 社会学習では、エージェントは直接の証拠からだけでなく、仲間との交流を通じて学ぶ。 このような相互作用における不正確性の役割について検討し、集団学習プロセスの有効性を向上させることができるかどうかを問う。
• 参考スコア（独自算出の注目度）: 3.550128557901793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In social learning, agents learn not only from direct evidence but also through interactions with their peers. We investigate the role of imprecision in such interactions and ask whether it can improve the effectiveness of the collective learning process. To that end we propose a model of social learning where beliefs are equivalent to formulas in a propositional language, and where agents learn from each other by combining their beliefs according to a fusion operator. The latter is parametrised so as to allow for different levels of imprecision, where a more imprecise fusion operator tends to generates a more imprecise fused belief when the two combined beliefs differ. In this context we describe both difference equation models and agent-based simulations of social learning under a variety of conditions and with different initial biases. The results presented suggest that for populations with a strong initial bias towards incorrect beliefs some level of imprecision in fusion can improve learning accuracy across a range of learning conditions. Furthermore, such benefits of imprecision are consistent with a stability analysis of the fixed points of the proposed difference equation models.
• Abstract（参考訳）: 社会学習では、エージェントは直接の証拠からだけでなく、仲間との交流を通じて学ぶ。 このような相互作用における不正確性の役割について検討し、集団学習プロセスの有効性を向上させることができるかどうかを問う。 そこで我々は,命題言語における信念が公式と等価である社会学習モデルを提案し,エージェントが融合操作者に応じて信念を組み合わせることによって相互に学習するモデルを提案する。 後者は、より不正確な融合作用素が、2つの組み合わせの信念が異なってくると、より不正確な融合信念を生成する傾向があるような、異なるインプレクションのレベルを許容するようにパラメトリされる。 この文脈では、様々な条件下での社会学習の差分方程式モデルとエージェントベースシミュレーションの両方を、異なる初期バイアスで記述する。 以上の結果から,不正確な信念に強い偏見を持つ集団にとって,融合における不正確性は,学習条件の範囲で学習精度を向上させることが示唆された。 さらに、このような精度の利点は、提案した差分方程式モデルの固定点の安定性解析と一致している。

関連論文リスト

• CHOIR: Collaborative Harmonization fOr Inference Robustness [25.458744810976672]
  パーソナライズされた大規模言語モデル(LLM)は、パーソナライズされたコンテキスト認識推論を可能にする様々な役割を採用できる。 単純な代名詞変化のようなペルソナの小さな人口変動は、推論の軌跡を変えることができ、正しい答えの発散につながる。 我々は、複数のペルソナ条件の推論信号を統一的な予測に調和させるテストタイムフレームワークであるCHOIRを提案する。
  論文  参考訳（メタデータ） (2025-10-26T01:20:24Z)
• Doubly Adaptive Social Learning [46.77451785465734]
  ソーシャルラーニングにおいて、エージェントのネットワークは、確率スコア(信念)をいくつかの仮説に割り当て、ローカルなストリーミングデータを生成する。 ここでは、真の仮説と可能性モデルの両方が時間とともに変化する可能性のある、完全なオンライン設定に焦点を当てる。 本稿では,2つの適応型社会学習(textA2textSL$)戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-24T08:43:09Z)
• Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
  Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。 本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-02-08T22:05:45Z)
• Improving Language Models Meaning Understanding and Consistency by Learning Conceptual Roles from Dictionary [65.268245109828]
  現代事前訓練言語モデル(PLM)の非人間的行動は、その信頼性を損なう主要な原因である。 驚くべき現象は、矛盾した結果を生み出す不整合予測の生成である。 本研究では,PLMの認知度を向上させることで,一貫性のない行動問題を緩和する実践的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-24T06:15:15Z)
• On Continuity of Robust and Accurate Classifiers [3.4410212782758043]
  敵の訓練が仮説の堅牢性を向上させることが示されている。 仮説の頑健性と正確性は互いに相反していることが示唆されている。 本稿では,その頑健さと精度に相容れない仮説の連続性について,その代替案を提示する。
  論文  参考訳（メタデータ） (2023-09-29T08:14:25Z)
• Deconfounding Imitation Learning with Variational Inference [19.99248795957195]
  標準的な模倣学習は、スペシャリストが模倣剤とは異なる感覚入力を持つ場合、失敗する可能性がある。 これは、部分的な可観測性によって、因果グラフに隠された共同創設者が生まれるためである。 本稿では,専門家の潜伏情報を推測するために変分推論モデルを訓練し,それを用いて潜伏条件ポリシーを訓練することを提案する。
  論文  参考訳（メタデータ） (2022-11-04T18:00:02Z)
• Bias-inducing geometries: an exactly solvable data model with fairness implications [12.532003449620607]
  我々は、正確に解決可能なデータ不均衡の高次元モデルを導入する。 この合成フレームワークで訓練された学習モデルの典型的特性を解析的に解き放つ。 フェアネス評価によく用いられる観測対象の正確な予測値を得る。
  論文  参考訳（メタデータ） (2022-05-31T16:27:57Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
  不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。 私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
  論文  参考訳（メタデータ） (2021-08-19T17:59:28Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)

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。