Fugu-MT 論文翻訳(概要): Peer Oversight in Collective Decision Making

論文の概要: Peer Oversight in Collective Decision Making

arxiv url: http://arxiv.org/abs/2608.28754v1
Date: Fri, 28 Aug 2026 18:00:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.738739
Title: Peer Oversight in Collective Decision Making
Title（参考訳）: 集合的意思決定におけるピア監視
Abstract要約: この記事では、有害な結果に対して少なくとも$k$エージェントが責任を負う必要がある、連続的な集団決定メカニズムの特性である、ピア$k$-oversightを紹介します。メカニズム内の決定に対する制御を再分配することで、$k$-oversightを達成することができれば、たったの$k$エージェントで実現できることが示されている。
参考スコア（独自算出の注目度）: 17.40313383876245
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article introduces peer $k$-oversight, a property of sequential collective decision mechanisms requiring at least $k$ agents to be responsible for every harmful outcome. It is shown that whenever $k$-oversight can be achieved by redistributing control over the decisions in a mechanism, it can be achieved using just $k$ agents. A polynomial-time algorithm is also presented that determines whether such a redistribution exists and, when it does, constructs one. These results establish peer oversight as a tractable design principle for multiagent decision-making systems.
Abstract（参考訳）: この記事では、有害な結果に対して少なくとも$k$エージェントが責任を負う必要がある、連続的な集団決定メカニズムの特性である、ピア$k$-oversightを紹介します。メカニズム内の決定に対する制御を再分配することで、$k$-oversightを達成することができれば、たったの$k$エージェントで実現できることが示されている。多項式時間アルゴリズムも提示され、そのような再分配が存在するかどうかを判断し、そのアルゴリズムが1つを構成する。これらの結果から,マルチエージェント意思決定システムにおけるトラクタブルな設計原則としてピア監視が確立された。

関連論文リスト

Enhancing Decision-Making with Large Language Models through Multi-Agent Fictitious Play [53.56274149236814]
Multi-Agent Fictitious Play (MAFP)は、ステークホルダーのスタンスをエージェントとして表現する新しいMASパラダイムである。 MAFPは各エージェントの判断を、他のエージェントの過去の決定の実証的な混合に応じて反復的に更新する。我々は、行動前に競合シナリオの戦略を決定する能力をテストする挑戦的な意思決定タスクにおいて、MAFPを評価する。
論文参考訳（メタデータ） (2026-06-17T17:31:06Z)
Agentic AI Systems Should Be Designed as Marginal Token Allocators [2.629665653283008]
エージェントAIシステムは,電子トークン割り当て経済として設計・評価されるべきである,と我々は主張する。これら4つの層がいずれも,Emphsame 1次条件を解決していることを示す。
論文参考訳（メタデータ） (2026-05-02T03:06:02Z)
Karma Mechanisms for Decentralised, Cooperative Multi Agent Path Finding [7.187733825162918]
MAPF(Multi-Agent Path Finding)は、大規模ロボットおよびサイバー物理システムにおける協調問題である。本稿では,カーマ機構に基づくMAPFのための分散協調フレームワークを提案する。
論文参考訳（メタデータ） (2026-04-09T08:35:13Z)
Mechanism-Based Intelligence (MBI): Differentiable Incentives for Rational Coordination and Guaranteed Alignment in Multi-Agent Systems [0.0]
メカニズムベースインテリジェンス(MBI: Mechanism-Based Intelligence)は,複数の「脳」の協調からインテリジェンスを再認識するパラダイムである。経済原理に基づく協調的で信頼性が高くスケーラブルなマルチエージェントインテリジェンスに対して、証明可能な効率、監査可能、一般化可能なアプローチを提供する。
論文参考訳（メタデータ） (2025-12-22T22:22:13Z)
Can an Individual Manipulate the Collective Decisions of Multi-Agents? [53.01767232004823]
M-Spoilerは、マルチエージェントシステム内のエージェントインタラクションをシミュレートして、対向サンプルを生成するフレームワークである。 M-スポイラーは、敵対的サンプルの最適化を積極的に支援するスタブボーン剤を導入した。本研究は,マルチエージェントシステムにおける個々のエージェントの知識によって引き起こされるリスクを検証した。
論文参考訳（メタデータ） (2025-09-20T01:54:20Z)
Diffusion of Responsibility in Collective Decision Making [26.831475621780577]
責任の拡散」とは、複数のエージェントが個々の説明責任を欠く結果に対する責任を共有する状況を指す。本稿では, 集団意思決定機構の文脈において, しばしば望ましくない現象について考察する。
論文参考訳（メタデータ） (2025-06-09T16:54:56Z)
Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
論文参考訳（メタデータ） (2023-12-13T06:54:49Z)
On the Complexity of Multi-Agent Decision Making: From Learning in Games to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文参考訳（メタデータ） (2023-05-01T06:46:22Z)
Should All Proposals be Treated Equally in Object Detection? [110.27485090952385]
オブジェクト検出器の複雑さと精度のトレードオフは、リソース制約されたビジョンタスクにとって重要な問題である。検出効率の改善には、提案の不平等な処理に向けて、パラダイムシフトが必要であると仮定されている。これにより、利用可能な計算予算がより有効になり、同じFLOPSの精度が向上する。
論文参考訳（メタデータ） (2022-07-07T18:26:32Z)
VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。