論文の概要: Consilience: Conformally Calibrated Communication Control for Hidden-Profile Multi-Agent Reasoning

• arxiv url: http://arxiv.org/abs/2608.20564v1
• Date: Thu, 20 Aug 2026 20:57:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.232074
• Title: Consilience: Conformally Calibrated Communication Control for Hidden-Profile Multi-Agent Reasoning
• Title（参考訳）: Consilience:Hidden-Profile Multi-Agent Reasoningのためのコンフォーマルキャリブレーション通信制御
• Abstract要約: 本研究では,分散プライベート情報の下でマルチエージェント通信を操り,認証する推論時オーケストレーションフレームワークであるConsilienceを提案する。 それぞれのターンで、コンシリエンスは、不確実性、不一致、証拠の獲得、冗長性、早めのコンセンサスを捉えた、コンパクトな状態を使って議論を要約する。 HiddenBenchスタイルの隠れタスクでは、Consilienceは、固定および非構造化の議論プロトコルよりも決定精度と通信効率を向上させる。
• 参考スコア（独自算出の注目度）: 18.12675101210169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent LLM systems can improve reasoning by pooling diverse perspectives, but their effectiveness depends on coordinating communication, particularly in hidden-profile settings where each agent holds only part of the evidence required for a correct decision. Existing protocols, including fixed schedules, round-robin exchange, and unstructured debate, provide no guarantee that a conversational action is appropriate. We propose Consilience, an inference-time orchestration framework that both steers and certifies multi-agent communication under distributed private information. At each turn, Consilience summarizes the discussion using a compact state capturing uncertainty, disagreement, evidence gain, redundancy, and premature consensus, then selects both a communication intervention (challenge, clarify, seek evidence, or route) and an appropriate speaker. Its central contribution is a round-wise conformal calibration procedure that provides a distribution-free, finite-sample guarantee: at each discussion round, conditional on reaching that round, the one-step regret of a controller's proposed action is bounded by a calibrated threshold with marginal probability at least 1 - alpha; an acceptance mechanism enforces the same guarantee for the executed action by replacing inadmissible proposals. On HiddenBench-style hidden-profile tasks spanning 12 open and closed weight language models, Consilience improves decision accuracy and communication efficiency over fixed and unstructured discussion protocols, sometimes surpassing a full-information baseline where every agent observes all evidence. These results demonstrate that certified adaptive communication control can be more valuable than increasing information availability, providing a practical mechanism for reliable multi-agent LLM coordination.
• Abstract（参考訳）: マルチエージェントLLMシステムは様々な視点をプールすることで推論を改善することができるが、その効果はコミュニケーションのコーディネート、特に各エージェントが正しい判断に必要な証拠の一部しか持たない隠れた状況に依存している。 固定スケジュール、ラウンドロビン交換、構造化されていない議論を含む既存のプロトコルは、会話アクションが適切であることを保証しない。 本研究では,分散プライベート情報の下でマルチエージェント通信を操り,認証する推論時オーケストレーションフレームワークであるConsilienceを提案する。 各ターンにおいて、コンシリエンスは、不確実性、不一致、証拠の獲得、冗長性、早期合意を捉えたコンパクトな状態を用いて議論を要約し、コミュニケーション介入(混在、明確化、証拠の追求、ルート)と適切な話者の両方を選択する。 その中心的な貢献は、分布のない有限サンプル保証を提供するラウンドワイド整合校正手順である: 各議論ラウンドにおいて、そのラウンドに到達するための条件付き条件付きで、コントローラの提案したアクションの1ステップの後悔は、少なくとも1 - αの限界確率を持つ校正しきい値によって境界付けられ、受け入れ機構は、許容できない提案を置き換えて実行されたアクションに対して同じ保証を強制する。 オープンおよびクローズドウェイト言語モデルにまたがるHiddenBenchスタイルの隠れたタスクでは、Consilienceは決定精度とコミュニケーション効率を、固定および非構造化の議論プロトコルよりも向上させ、時にはすべてのエージェントがすべての証拠を観察する完全な情報ベースラインを超えることがある。 これらの結果から,信頼性の高いマルチエージェントLLM協調のための実践的なメカニズムを提供するため,情報提供能力の向上よりも適応型通信制御が有用であることが示唆された。

関連論文リスト

• CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement [50.91045324738942]
  CLAIMは、オープンドメイン環境でのアクティブな明確化学習のための不確実性駆動フレームワークである。 本研究では,不確実性推定とセマンティッククラスタリングと推論に基づく判断を統合したエントロピー駆動型合成データ生成パイプラインを提案する。 実験の結果,手動でラベル付けしたデータに頼ることなく,CLAIMが安定かつ一般化可能な明確化戦略を学習できることが確認された。
  論文  参考訳（メタデータ） (2026-08-12T04:27:45Z)
• A Technical Taxonomy of LLM Agent Communication Protocols [60.76747983053368]
  本研究では,大規模言語モデル(LLM)エージェント通信プロトコルの分類と解析を行う技術的分類法を開発する。 このフレームワークはプロトコルの選択をガイドし、プライバシーやポリシー執行といったオープンな研究ギャップを強調する。
  論文  参考訳（メタデータ） (2026-06-17T14:45:20Z)
• Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning [63.24624171679711]
  大規模言語モデル(LLM)ベースのエージェントは、しばしば最適なツール使用の決定を行う。 本研究では、不確実性分離を維持するための推進力として、不確実性定量化を報酬設計に組み込んだTRUSTを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:08:34Z)
• Trust but Verify: Prover-Verifier Deliberation for Selective LLM Prediction [4.273094752480624]
  本稿では,対話的証明理論に基づく推論時間プロトコルであるPVDを導入する。 PVDは回答と構造化された信頼判定の両方を生成し、システムは不確実なケースを棄却しながら高信頼の回答を報告できる。
  論文  参考訳（メタデータ） (2026-05-24T15:23:27Z)
• FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
  我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。 重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。 本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
  論文  参考訳（メタデータ） (2026-05-11T07:04:51Z)
• Preregistered Belief Revision Contracts [2.28438857884398]
  PBRC(Preregistered Belief Revision Contracts)は,オープン通信と許容可能な変更を分離するプロトコルレベルのメカニズムである。 PBRC契約は、ファーストオーダーのエビデンストリガー、許容可能なリビジョンオペレータ、優先ルール、フォールバックポリシーを公に修正する。 本報告では,信頼軌道と正準化された監査トレースを保存したPBRC正規形式を,監査可能なトリガープロトコルで認めていることを示す。
  論文  参考訳（メタデータ） (2026-04-16T22:22:54Z)
• Verifiable Semantics for Agent-to-Agent Communication [0.2866560512724962]
  マルチエージェントAIシステムは一貫した通信を必要とする。 自然言語は解釈可能であるが、セマンティックドリフトに弱い。 そこで本研究では,刺激意味モデルに基づく認証プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-02-18T12:55:58Z)
• Self-Evolving Coordination Protocol in Multi-Agent AI Systems: An Exploratory Systems Feasibility Study [0.0]
  自己進化コーディネーションプロトコル(SECP) SECP: 限定的で、外部から検証された自己修正を可能にする調整プロトコル。 本稿では,自己進化コーディネーションプロトコルの探索システムの実現可能性について述べる。
  論文  参考訳（メタデータ） (2026-02-02T14:45:04Z)
• Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
  長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。 この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。 このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
  論文  参考訳（メタデータ） (2025-06-06T08:42:34Z)
• DebUnc: Improving Large Language Model Agent Communication With Uncertainty Metrics [52.242449026151846]
  大規模言語モデル(LLM)の精度向上のためのマルチエージェント論争が紹介されている。 エージェントの信頼性を評価するために不確実性指標を用いた議論フレームワークであるDebUncを提案する。
  論文  参考訳（メタデータ） (2024-07-08T22:15:01Z)
• T2MAC: Targeted and Trusted Multi-Agent Communication through Selective Engagement and Evidence-Driven Integration [15.91335141803629]
  我々は、エージェントが選択的なエンゲージメントとエビデンス駆動の統合を学ぶのを助けるために、T2MAC(Targeted and Trusted Multi-Agent Communication)を提案する。 T2MACは、エージェントが個別化されたメッセージを作成し、理想的なコミュニケーションウィンドウをピンポイントし、信頼できるパートナーと対話することを可能にする。 本手法は,様々な課題を伴って,多様な協調型マルチエージェントタスクに対して評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T18:00:33Z)

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。