論文の概要: Discovering Adaptive Transmission Programs for Collective Innovation
- arxiv url: http://arxiv.org/abs/2608.24545v1
- Date: Tue, 25 Aug 2026 13:34:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.003519
- Title: Discovering Adaptive Transmission Programs for Collective Innovation
- Title（参考訳）: 集合的イノベーションのための適応型伝送プログラムの発見
- Abstract要約: エージェントと集合状態に基づいて情報をルーティングする状態認識プログラムとして送信プロトコルを形式化する。
進化したプロトコルは、文献から標準ベースラインよりも最大37%パフォーマンスを向上する。
結果は、人間の集団知性を高める協調インフラの設計への道筋を示唆している。
- 参考スコア（独自算出の注目度）: 12.708414830518292
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human collective intelligence depends on transmission processes: who shares what with whom, how, and when. While these processes emerge from individual cognition, they can also be directed by deliberate top-down protocols. Prior work has studied how transmission shapes collective outcomes primarily through the lens of network structure, varying who shares with whom and when. But networks are state-agnostic: they cannot condition transmission on what agents know or on the state of the collective. Here, we formalize transmission protocols as state-aware programs that route information and resources based on agent and collective states, and we use LLM-guided evolutionary search to design effective protocols in a collective discovery task. Evolved protocols increase collective performance over standard baselines from the literature by up to 37%. Ablations confirm that state-awareness drives this advantage: removing content-dependence while preserving network topology and timing eliminates performance gains. We find that evolved protocols also transfer across domain variations and agent populations. These results demonstrate that effective and generalizable transmission protocols can be discovered in silico, suggesting a path toward AI-assisted design of coordination infrastructure that enhances human collective intelligence.
- Abstract（参考訳）: 人間の集団知性は、誰が誰と、どのように、いつを共有するかという、伝達プロセスに依存します。
これらのプロセスは個々の認知から生まれるが、意図的なトップダウンプロトコルによっても指示される。
先行研究は、送信が主にネットワーク構造のレンズを通して、誰が誰といつ共有するかという集合的な結果をどう形成するかを研究してきた。
しかし、ネットワークは国家に依存せず、エージェントが知っていることや集団の状態について送信を条件づけすることはできない。
本稿では,エージェントおよび集合状態に基づいて情報や資源をルーティングする状態認識プログラムとして送信プロトコルを形式化し,LLM誘導進化探索を用いて効率的なプロトコルを集合的発見タスクで設計する。
進化したプロトコルは、文献から標準ベースラインよりも最大37%パフォーマンスを向上する。
ネットワークトポロジとタイミングを保ちながらコンテンツ依存を取り除くことで、パフォーマンスが向上する。
進化したプロトコルは、ドメインのバリエーションやエージェントの集団にまたがっても伝達される。
これらの結果は、サイリコで効果的で一般化可能な伝送プロトコルが発見できることを示し、人間の集団知性を高める協調インフラの設計への道のりを示唆している。
関連論文リスト
- 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) - Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。
本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。
我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
論文 参考訳（メタデータ） (2026-06-05T15:09:52Z) - Autogenesis: A Self-Evolving Agent Protocol [60.15939127351914]
本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。
本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
論文 参考訳（メタデータ） (2026-04-16T14:04:06Z) - Beyond Message Passing: A Semantic View of Agent Communication Protocols [19.409127393922216]
エージェント通信プロトコルは,大規模言語モデル(LLM)システムにとって重要な基盤になりつつある。
この研究は、エージェントコミュニケーションをコミュニケーション、構文、セマンティックという3つの層にまとめることで、この新興の風景を人間にインスパイアされた視点で表現する。
論文 参考訳（メタデータ） (2026-03-30T00:40:30Z) - Ripple Effect Protocol: Coordinating Agent Populations [14.975464510871632]
リップル効果プロトコル(Ripple Effect Protocol、REP)は、エージェントが意思決定だけでなく、軽量な感性も共有する調整プロトコルである。
これらの感度はローカルネットワークに波及し、エージェント中心の通信単独よりも高速で安定的にグループを調整できる。
論文 参考訳（メタデータ） (2025-10-18T16:38:03Z) - AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - Referential communication in heterogeneous communities of pre-trained visual deep networks [10.084626547964389]
大規模なトレーニング済みの画像処理ニューラルネットワークは、自動運転車やロボットのような自律エージェントに組み込まれている。
提案手法は,対象対象物を参照するための共有プロトコルを,自己管理的に開発することができることを示す。
既存のコミュニティには含まれなかったビジュアルネットワークは、驚くほど簡単にコミュニティのプロトコルを学ぶことができる。
論文 参考訳（メタデータ） (2023-02-04T15:55:23Z) - Reinforcement learning-enhanced protocols for coherent
population-transfer in three-level quantum systems [50.591267188664666]
我々は、人口移動のための最適なプロトコルを特定するために、強化学習に基づくアプローチとより伝統的な最適化手法を組み合わせて展開する。
提案手法は,効率的なプロトコルの存在を明らかにするための制御プロトコルの空間を探索することができる。
私たちが特定する新しいプロトコルは、エネルギー損失と軽視の両方に対して堅牢です。
論文 参考訳（メタデータ） (2021-09-02T14:17:30Z) - Genetic Improvement of Routing Protocols for Delay Tolerant Networks [3.9571744700171756]
Delay Tolerant Networks (DTN) で広く採用されている2つのルーティングプロトコルを改良する。
私たちはそれらを基本コンポーネント、すなわちノードがデータを転送できるかどうかをチェックしたり、すべてのコネクションにメッセージを送信したりします。
進化する樹木の終端ノードとして,これらの成分を操作するために遺伝的改良(GI)を適用した。
論文 参考訳（メタデータ） (2021-03-12T17:46:51Z) - Learning to cooperate: Emergent communication in multi-agent navigation [49.11609702016523]
本稿では,協調ナビゲーションタスクを行うエージェントが,解釈可能な通信プロトコルを学ぶことを示す。
エージェントのポリシーの分析により、創発的信号が状態空間を空間的にクラスタリングすることが明らかになった。
エージェントの集団を用いて,創発的プロトコルは基本構成構造を持つことを示す。
論文 参考訳（メタデータ） (2020-04-02T16:03:17Z)
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。