論文の概要: Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
- arxiv url: http://arxiv.org/abs/2608.16578v1
- Date: Mon, 17 Aug 2026 13:41:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.719667
- Title: Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
- Title（参考訳）: エージェントの物理:AIエージェントの集合行動を予測する統計力学
- Abstract要約: AIエージェントは、分離されたシステムではなく、インタラクションシステムの一部として運用されるようになっている。
我々は、繰り返しメッセージを交換し、意見を再検討する言語モデルエージェントのコミュニティを1万以上研究する。
行動にかなりの多様性があるにもかかわらず、個人とグループのダイナミクスは3つの特徴的な状態によって表される。
- 参考スコア（独自算出の注目度）: 36.83382233533373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents increasingly operate as part of interacting systems rather than in isolation. As agents exchange information and jointly make decisions, their interactions can improve collective reasoning but may also produce herding, polarization, or amplify shared biases. Understanding and predicting these collective dynamics is therefore important for designing effective and aligned multi-agent systems. Here, we study over 10,000 communities of language-model agents that repeatedly exchange messages and revise their opinions across objective mathematics questions and subjective political statements. Despite substantial diversity in possible behavior, the individual and group dynamics can be represented by three characteristic regimes: indifference, polarization, and consensus. AI agents start indifferent and build conviction as they interact. On objective questions, communication improves collective accuracy, while on subjective questions it often drifts group opinions toward the right in the political spectrum. We explain these observations with a statistical-mechanics formalism in which agents stochastically favor lower social pressure. Given only initial opinions, our model predicts individual trajectories, outperforms all standard baselines, generalizes to unseen community graphs, and reproduces the observed group archetype distributions. Our fitted model parameters reveal the mechanics underlying our key observations: i) communities operate below the critical social temperature, which explains conviction buildup; ii) attractive ties outweigh repulsive ones, which favors consensus; and iii) agents holding the correct answer exert the strongest pull, which drives truth-seeking. Overall, our results demonstrate that collective behavior of AI agents, like that of other complex systems, follows compact and predictive dynamical laws.
- Abstract（参考訳）: AIエージェントは、分離されたシステムではなく、インタラクションシステムの一部として運用されるようになっている。
エージェントが情報を交換し、共同で決定を下すと、それらの相互作用は集団的推論を改善することができるが、共有バイアスを増幅するハーディング、分極、あるいは増幅することもある。
したがって、これらの集合力学を理解し予測することは、効果的で整合したマルチエージェントシステムの設計において重要である。
ここでは,1万以上の言語モデルエージェントのコミュニティについて検討し,メッセージを繰り返し交換し,客観的な数学的質問や主観的な政治的発言にまたがって意見を再考する。
行動にかなりの多様性があるにもかかわらず、個人と集団のダイナミクスは、無関心、偏極、コンセンサスという3つの特徴的な状態によって表される。
AIエージェントは、対話するときに無関心に始まり、信念を構築する。
客観的な質問では、コミュニケーションは集団的正確性を改善するが、主観的な質問では、政治的スペクトルにおいて集団的意見が右に漂うことが多い。
エージェントが社会的プレッシャーを統計的に優先する統計力学フォーマリズムを用いてこれらの観察を解説する。
初期意見のみを前提として,我々のモデルは個々の軌道を予測し,すべての標準基準線を上回り,目に見えないコミュニティグラフに一般化し,観測されたグループアーチタイプ分布を再現する。
我々のモデルパラメーターは、我々の主要な観測の基盤となる力学を明らかにします。
一 危機的社会温度以下で活動し、かつ、信念の蓄積を説明。
二 誘惑的な結びつきが、合意を好む抑圧的な結びつきを上回ること。
三 正解を有するエージェントが最強の引力を発揮し、真理を探る。
我々の結果は、AIエージェントの集合的挙動が、他の複雑なシステムと同様に、コンパクトで予測的な力学則に従っていることを示している。
関連論文リスト
- Conformity Generates Collective Misalignment in AI Agents Societies [37.32928545263465]
本稿では,AIエージェントの個体群を,コンフォーマンス・ダイナミクスを用いて,安定な不整合状態へと誘導することができることを示す。
9つの大きな言語モデルと100の意見ペアの意見ダイナミクスをシミュレートすると、各エージェントの振る舞いは2つの競合する力によって支配されていることが分かる。
論文 参考訳（メタデータ） (2026-05-11T15:30:48Z) - Causal Foundations of Collective Agency [6.242119553843324]
先進的なAIシステムの大きな課題は、単純なエージェントが必然的に、あらゆる個人とは異なる能力と目標を持つ集合エージェントを形成する可能性があることである。
我々は,グループ間の共同行動が合理的かつ目標指向であると見なす際に,集団的主体をグループに割り当てる,この問いに答える行動的視点を採用する。
我々のフレームワークは、マルチエージェントAIシステムにおける創発的集団エージェントを理解し、予測し、制御するための理論的かつ経験的な研究の基盤を提供することを目的としている。
論文 参考訳（メタデータ） (2026-04-30T21:32:10Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - Social Dynamics as Critical Vulnerabilities that Undermine Objective Decision-Making in LLM Collectives [14.952471157911502]
大規模言語モデル(LLM)エージェントは、マルチエージェント環境において、ますます人間のデリゲートとして機能している。
本稿では,ネットワークの社会的文脈によって,エージェントの信頼性が損なわれているかを検討する。
論文 参考訳（メタデータ） (2026-04-07T17:04:21Z) - Does Socialization Emerge in AI Agent Society? A Case Study of Moltbook [23.904569857346605]
Moltbookは、自律エージェントがオープンエンドで継続的に進化するオンライン社会に参加する、もっともらしい未来のシナリオを近似している。
本稿では,このAIエージェント・ソサエティの大規模システム診断について紹介する。
論文 参考訳（メタデータ） (2026-02-15T20:15:28Z) - The Rise of AI Agent Communities: Large-Scale Analysis of Discourse and Interaction on Moltbook [62.2627874717318]
MoltbookはRedditに似たソーシャルプラットフォームで、AIエージェントが投稿を作成し、コメントや返信を通じて他のエージェントと対話する。
ローンチから約5日後に収集された公開APIスナップショットを使用して、AIエージェントが何を議論しているか、どのように投稿するか、どのように相互作用するのかという3つの研究課題に対処する。
エージェントの執筆は、主に中立であり、コミュニティエンゲージメントや支援指向のコンテンツに肯定性があることが示される。
論文 参考訳（メタデータ） (2026-02-13T05:28:31Z) - Conformity and Social Impact on AI Agents [42.04722694386303]
本研究では,AIエージェントとして機能する大規模マルチモーダル言語モデルにおいて,社会圧力下での集団意見の一致傾向について検討した。
実験の結果,AIエージェントは社会影響理論と整合性バイアスを示し,グループサイズ,一様性,タスクの難易度,ソース特性に敏感であることがわかった。
これらの発見は、悪意のある操作、誤報キャンペーン、マルチエージェントシステムにおけるバイアス伝搬を可能にするAIエージェント決定における基本的なセキュリティ脆弱性を明らかにしている。
論文 参考訳（メタデータ） (2026-01-08T21:16:28Z) - Disagreements in Reasoning: How a Model's Thinking Process Dictates Persuasion in Multi-Agent Systems [49.69773210844221]
本稿では,説得力はモデルスケールの関数である,という一般的な仮説に挑戦する。
一連のマルチエージェントの説得実験を通じて、パーサーション・デュナリティ(Persuasion Duality)と呼ばれる基本的なトレードオフを明らかにする。
以上の結果から, LRMの推理過程は説得に対する抵抗性が大きく, 当初の信念をより堅固に維持していることが明らかとなった。
論文 参考訳（メタデータ） (2025-09-25T12:03:10Z) - The Traitors: Deception and Trust in Multi-Agent Language Model Simulations [0.0]
ソーシャル・デダクション・ゲームに触発されたマルチエージェント・シミュレーション・フレームワークであるThe Traitorsを紹介した。
我々は,詐欺の成功,信頼ダイナミクス,集団推論品質を計測する評価指標のスイートを開発する。
DeepSeek-V3, GPT-4o-mini, GPT-4o(モデル毎に10回の走行)による実験では, 顕著な非対称性が示された。
論文 参考訳（メタデータ） (2025-05-19T10:01:35Z) - Emergence of human-like polarization among large language model agents [79.96817421756668]
我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。
人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
論文 参考訳（メタデータ） (2025-01-09T11:45:05Z) - Generative Agent Simulations of 1,000 People [56.82159813294894]
本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。
生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。
我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
論文 参考訳（メタデータ） (2024-11-15T11:14:34Z)
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。