論文の概要: Emergence of cooperation: A reputation-modulated reinforcement learning

• arxiv url: http://arxiv.org/abs/2608.20016v1
• Date: Thu, 20 Aug 2026 13:27:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.57306
• Title: Emergence of cooperation: A reputation-modulated reinforcement learning
• Title（参考訳）: 協力の創発:評判変調強化学習
• Abstract要約: 発言は、協力を維持するための重要なメカニズムとして広く認識されている。 本稿では,強化学習パラダイムに基づく空間的囚人のジレンマゲームを提案する。 その結果,評価変調学習は協調行動の出現を著しく促進することが明らかとなった。
• 参考スコア（独自算出の注目度）: 19.357969561684982
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reputation is widely recognized as a key mechanism for sustaining cooperation. However, most existing game-theoretic models treat reputation primarily as an external factor that modulates payoffs, interaction structures, or strategy update rules. In many social contexts, though, reputation operates primarily as information -- it shapes how individuals interpret their own experiences and assess the behavior of others. To bridge this gap, we propose a spatial prisoner's dilemma game grounded in the reinforcement learning paradigm, in which agents equipped with Q-learning integrate both individual and social information via a locally defined reputation metric to guide their decisions. Our results reveal that reputation-modulated learning significantly promotes the emergence of cooperative behavior, and we observe a discontinuous phase transition from full cooperation to full defection as the temptation increases. Cooperation spreads through the nucleation of cooperative clusters, whereas the disintegration of these clusters drives the system into an absorbing state of complete defection. Overall, this study demonstrates that reputation facilitates cooperation not only by providing direct incentives but also by reshaping the social information landscape that agents rely on for learning and adaptation.
• Abstract（参考訳）: 発言は、協力を維持するための重要なメカニズムとして広く認識されている。 しかし、既存のゲーム理論モデルのほとんどは、主に報酬、相互作用構造、戦略更新ルールを調節する外部要因として評判を扱います。 しかし、多くの社会的文脈では、評判は主に情報として機能し、個人が自身の経験を解釈し、他人の行動を評価する方法を形成する。 このギャップを埋めるために、強化学習パラダイムに基づく空間的囚人のジレンマゲームを提案し、Q学習を備えたエージェントが、ローカルに定義された評価基準を介して個人情報と社会情報を統合し、意思決定を導く。 その結果、評価変調学習は協調行動の出現を著しく促進し、誘惑が増大するにつれて、完全な協力から完全な欠陥への不連続な相転移が観察されることが明らかとなった。 協調は協調的クラスターの核形成を通して広がり、一方これらのクラスターの崩壊はシステムを完全な欠陥の吸収状態へと導く。 本研究は、評価が直接的なインセンティブを提供するだけでなく、エージェントが学習や適応に頼っている社会情報の景観を変えることによって協力を促進することを示す。

関連論文リスト

• Social Hippocampus Memory Learning [54.381608978482184]
  SoHipはメモリ中心のソーシャル機械学習フレームワークだ。 モデル共有ではなく、メモリ共有を通じて異種エージェント間の協調を可能にする。 7つのベースラインを持つ2つのベンチマークデータセットの実験は、SoHipが既存のメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-26T16:31:00Z)
• Decentralized Dynamic Cooperation of Personalized Models for Federated Continual Learning [50.56947843548702]
  フェデレーション型連続学習のための分散動的協調フレームワークを提案する。 顧客は、新しい知識の獲得と事前学習の維持のバランスをとるために、動的な協調学習連合を確立する。 また、協調的・動的平衡を達成するために、マージブロックアルゴリズムと動的協調的進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-28T06:53:23Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• Beyond the Tragedy of the Commons: Building A Reputation System for Generative Multi-agent Systems [14.839510542470734]
  RepuNetはエージェントレベルの評価力学とシステムレベルのネットワーク進化の両方をモデル化したデュアルレベル評価フレームワークである。 我々は、RepuNetが「コモンズ・トレーゲディ」を効果的に緩和し、生成的MASにおける協力の促進と維持を図っていることを示す。
  論文  参考訳（メタデータ） (2025-05-08T08:02:20Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• Learning to Balance Altruism and Self-interest Based on Empathy in Mixed-Motive Games [47.8980880888222]
  マルチエージェントのシナリオは、しばしば混合モチベーションを伴い、潜在的な搾取に対する自己保護が可能な利他的エージェントを要求する。 共感に基づくアルトリズムと自己利益のバランスをとるためのLASE学習を提案する。 LASEはその報酬の一部を共同プレイヤにギフトとして割り当て、このアロケーションは社会的関係に基づいて動的に適応する。
  論文  参考訳（メタデータ） (2024-10-10T12:30:56Z)
• Reciprocal Reward Influence Encourages Cooperation From Self-Interested Agents [2.1301560294088318]
  自己関心の個人間の協力は、自然界で広く見られる現象であるが、人工的な知的エージェント間の相互作用においては、いまだ解明されていない。 そこで,本研究では,リターンに対する相手の行動の影響を再現するために,本質的に動機づけられた強化学習エージェントであるReciprocatorを紹介する。 本研究では,同時学習において,時間的に拡張された社会的ジレンマにおける協調を促進するために,共用者が利用できることを示す。
  論文  参考訳（メタデータ） (2024-06-03T06:07:27Z)
• Emergent Cooperation under Uncertain Incentive Alignment [7.906156032228933]
  頻繁な出会いを特徴とするシナリオにおける強化学習エージェント間の協力関係について検討する。 本研究では,複合モチベーション環境における協調を促進するために文献で提案されている評価や本質的な報酬などのメカニズムの効果について検討する。
  論文  参考訳（メタデータ） (2024-01-23T10:55:54Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• A mechanism of Individualistic Indirect Reciprocity with internal and external dynamics [0.0]
  本研究は,エージェントの態度に着目した Nowak モデルと Sigmund モデルの新しい変種を提案する。 エージェントベースモデルとデータサイエンス手法を用いて,エージェントの識別的スタンスがほとんどの場合優位であることを示す。 また, 他者の評判が不明な場合には, 不均一性が高く, 協力需要が高い場合には, 異種社会が得られることも示唆した。
  論文  参考訳（メタデータ） (2021-05-28T23:28:50Z)
• Cooperation and Reputation Dynamics with Reinforcement Learning [6.219565750197311]
  私達は信頼および協同を確立する方法として評判がいかに使用されるか示します。 好ましくない平衡への収束を緩和する2つのメカニズムを提案する。 この結果が進化ゲーム理論の文献とどのように関係しているかを示す。
  論文  参考訳（メタデータ） (2021-02-15T12:48:56Z)

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。