論文の概要: Meta-Moderator: Empowering Multi-Agent Debate with Meta-Cognition
- arxiv url: http://arxiv.org/abs/2608.23029v1
- Date: Mon, 24 Aug 2026 09:33:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.012992
- Title: Meta-Moderator: Empowering Multi-Agent Debate with Meta-Cognition
- Title（参考訳）: メタモデレータ:メタ認知によるマルチエージェント議論の強化
- Abstract要約: 我々は、メタ認知プロセスとしてモデレーションを、議論ユーティリティを監視し、熟考を制御し、最終回答を判断する。
本稿ではメタモデレータについて紹介する。メタモデレータは動的に議論を規制し、いつ回答を確定するかを決定する学習可能なフレームワークである。
- 参考スコア（独自算出の注目度）: 18.85069182811407
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent debate can improve large language model reasoning by eliciting diverse hypotheses and critiques, yet its performance is often constrained by weak moderation. Common pipelines rely on fixed budgets, agreement-based stopping, or untrained judges, leading to redundant deliberation and unreliable evidence aggregation. We cast moderation as a meta-cognitive process, monitoring debate utility, controlling deliberation, and adjudicating a final answer, and introduce Meta-Moderator, a learnable framework that dynamically regulates debate and decides when to finalize an answer. Meta-Moderator is trained independently of the debaters via outcome-driven policy optimization, making debate regulation an explicit capability rather than an incidental effect of prompting. Across five benchmarks, Meta-Moderator outperforms widely used decision layers and transfers across tasks and system configurations. Further analyses show that it allocates debate more selectively and reduces mis-aggregation after informative hypotheses appear.
- Abstract（参考訳）: マルチエージェントの議論は、多種多様な仮説と批判を引き出すことで、大きな言語モデルの推論を改善することができるが、その性能は弱いモデレーションによって制約されることが多い。
共通のパイプラインは、固定予算、合意に基づく停止、または訓練されていない裁判官に依存しており、冗長な審議と信頼性の低い証拠収集につながる。
メタ認知のプロセスとしてモデレーションを導入し、議論ユーティリティを監視し、熟考を制御し、最終回答を調整し、動的に議論を規制し、いつ答えを確定するかを決定する学習可能なフレームワークであるメタモデレータを紹介した。
メタモデレータは、結果駆動の政策最適化を通じて、議論者から独立して訓練される。
5つのベンチマークで、Meta-Moderatorは広く使われている決定層やタスクやシステム構成間の転送よりも優れています。
さらなる分析により、より選択的に議論を割り当て、情報的仮説が現れてから誤集合を減らすことが示されている。
関連論文リスト
- A Theory of Post-hoc Debate Judgement [29.17703958536647]
エージェントが議論を行うすべての設定に適用可能な,新たな議論判断理論を開発し,検証する。
我々は、多くの形式的特性を、懸念、堅牢性、基礎性、説明可能性として、一般的には、議論の判断が満足するために要求されるであろういくつかの形式的特性を識別する。
両手法が類似した精度性能を示すことを示すが, 前者は形式的保証を欠いている可能性がある。
論文 参考訳（メタデータ） (2026-08-19T15:03:44Z) - Multimodal Fact-Level Attribution for Verifiable Reasoning [80.60864342985748]
マルチモーダル大言語モデル(MLLM)は、多段階推論と長文生成を含む実世界のタスクにますます利用されている。
既存のマルチモーダルグラウンドベンチマークと評価手法は、複雑なマルチモーダル推論における属性評価に失敗する。
我々は、直接観察以上の推論を必要とする設定において、ファクトレベルのマルチモーダル属性を評価するためのベンチマークであるMuRGAtを紹介する。
論文 参考訳（メタデータ） (2026-02-12T03:10:02Z) - DynaDebate: Breaking Homogeneity in Multi-Agent Debate with Dynamic Path Generation [47.62978918069135]
DynaDebate (Dynamic Multi-Agent Debate) を導入し,3つのキーメカニズムによるマルチエージェント討論の有効性を高める。
大規模な実験により、DynaDebateは既存の最先端のMADメソッドを超越して、様々なベンチマークで優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-01-09T12:01:33Z) - MADIAVE: Multi-Agent Debate for Implicit Attribute Value Extraction [52.89860691282002]
インプシット属性値抽出(AVE)は、電子商取引における商品の正確な表現に不可欠である。
マルチモーダル大言語モデル(MLLM)の進歩にもかかわらず、多次元データの複雑さのため暗黙のAVEは依然として困難である。
我々は,複数のMLLMエージェントを用いて推論を反復的に洗練するマルチエージェント討論フレームワークであるtextscmodelnameを紹介する。
論文 参考訳（メタデータ） (2025-10-07T06:27:42Z) - Peacemaker or Troublemaker: How Sycophancy Shapes Multi-Agent Debate [30.66779902590191]
大規模言語モデル (LLM) はしばしば、過剰な一致性を示す傾向がある。
LLMs固有の薬理は、議論を早めの合意に崩壊させる可能性がある。
論文 参考訳（メタデータ） (2025-09-27T02:27:13Z) - Talk Isn't Always Cheap: Understanding Failure Modes in Multi-Agent Debate [2.3027211055417283]
議論は時間の経過とともに精度を低下させる可能性があることを示す。
分析の結果,ピア推論に応答して,モデルが正解から誤解へと頻繁にシフトしていることが判明した。
これらの結果は、マルチエージェントの議論における理由の交換において重要な障害モードを浮き彫りにする。
論文 参考訳（メタデータ） (2025-09-05T13:47:38Z) - Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。
最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。
本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
論文 参考訳（メタデータ） (2025-09-02T14:16:02Z) - MV-Debate: Multi-view Agent Debate with Dynamic Reflection Gating for Multimodal Harmful Content Detection in Social Media [26.07883439550861]
MV-Debateは、マルチモード有害コンテンツ検出のための動的リフレクションゲーティングを備えたマルチビューエージェント討論フレームワークである。
MV-Debateは4つの相補的な議論エージェント、表面分析者、深い推論者、モダリティコントラスト、社会的文脈主義者を集め、多様な解釈的視点からコンテンツを分析する。
論文 参考訳（メタデータ） (2025-08-07T16:38:25Z) - Debating Truth: Debate-driven Claim Verification with Multiple Large Language Model Agents [13.626715532559079]
複数のLLMエージェントを用いた議論駆動手法を採用した最初のクレーム検証フレームワークであるDebateCVを提案する。
本フレームワークでは,2つのデバタがクレームに対して反対の立場をとり,複数ラウンドの議論を行う一方,モデレーターは議論を評価し,正当化とともに評決を行う。
実験の結果,提案手法は,証拠品質の異なる既存のクレーム検証方法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2025-07-25T09:19:25Z) - Debating for Better Reasoning: An Unsupervised Multimodal Approach [56.74157117060815]
議論のパラダイムをマルチモーダルな設定に拡張し、より弱いモデルがより強力なモデルの性能を監督し、強化する可能性を探る。
視覚的質問応答 (VQA) に焦点をあて, 2つの「目に見える」専門家の視覚言語モデルが解答について議論する一方, 「盲目」(テキストのみ)の判断は議論の品質にのみ依存する。
この枠組みでは, 専門家は信念に沿う回答のみを守り, 明示的な役割プレーの必要性を排除し, 専門家の不一致の事例に議論を集中させる。
論文 参考訳（メタデータ） (2025-05-20T17:18:17Z) - Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate [85.3444184685235]
複数のエージェントが"tit for tat"の状態で議論を表現するマルチエージェント議論(MAD)フレームワークを提案し、審査員が議論プロセスを管理して最終解を得る。
我々のフレームワークは、深い熟考を必要とするタスクに役立ちそうなLSMにおける散発的思考を奨励する。
論文 参考訳（メタデータ） (2023-05-30T15:25:45Z)
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。