論文の概要: Agents That Model Agents: Five Principles Toward a Theory of Mind for 6G Networks

• arxiv url: http://arxiv.org/abs/2609.01779v1
• Date: Tue, 01 Sep 2026 18:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:17.882912
• Title: Agents That Model Agents: Five Principles Toward a Theory of Mind for 6G Networks
• Title（参考訳）: エージェントをモデル化するエージェント:6Gネットワークのマインド理論に向けた5つの原則
• Authors: Hatim Chergui, Carolina Fernández-Martínez, Mehdi Bennis, Merouane Debbah,
• Abstract要約: 6Gネットワークは、Radio Access Network (RAN)を管理するためにLarge Language Model (LLM)エージェントに依存する。 現在のアーキテクチャでは、エージェント間メッセージは客観的な事実を伝える。 メッセージは送信者の推論の例証である。
• 参考スコア（独自算出の注目度）: 24.187937610076265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Future 6G networks will rely on Large Language Model (LLM) agents to manage the Radio Access Network (RAN). However, current architectures assume inter-agent messages convey objective facts. A message is instead a \emph{trace} of the sender's reasoning: it carries a subjective conclusion, so a syntactically valid report can propagate an AI hallucination and trigger a cascading outage invisible to protocol validation. Reading such a trace requires a Theory of Mind (ToM)---before acting, the receiver must model what the peer believes, and what a peer in that position should have believed. Modeling these interactions as cognitive channels on a cellular sheaf, we obtain a unified framework for resilient multi-agent systems, from which five design principles emerge: (i) a message is evidence of the sender's hidden reasoning; (ii) trust is a continuous cognitive Signal-to-Noise Ratio (SNR)---asserted precision over deviation from the modeled peer belief; (iii) network-wide consistency and resistance to hallucination contagion are computable via the sheaf's Laplacian; (iv) peer-modeling must halt at exactly two levels to conserve compute and survive mutual information decay; and (v) credible capacity is bounded by operational goal alignment, not link bandwidth. A signaling-storm study on locally deployed 1B-parameter telecom language models validates it: cognitive SNR isolates a hallucinating peer that three of its four neighbors agree with, where a divergence gate ranks every wrong peer above the right one; only depth two ToM recovers the correct action; and the spectral gap decides whether a topology reaches consistency inside the near-real-time budget.
• Abstract（参考訳）: 将来の6Gネットワークは、Radio Access Network (RAN)を管理するためにLarge Language Model (LLM)エージェントに依存する。 しかし、現在のアーキテクチャでは、エージェント間メッセージは客観的な事実を伝えると仮定している。 メッセージは送信者の推論のemph{trace} であり、主観的な結論をもたらすため、構文的に有効なレポートはAI幻覚を伝播させ、プロトコル検証に見えないカスケード障害を引き起こすことができる。 このようなトレースを読むには、心の理論(ToM)が必要であり、行動の前には、受信者は、相手が信じるもの、その位置にいる仲間が信じるべきものをモデル化しなければならない。 これらの相互作用を細胞層上の認知チャネルとしてモデル化し、レジリエントなマルチエージェントシステムのための統一的な枠組みを得る。 i) メッセージは,送信者の隠された推論の証拠である。 (二 信頼とは、連続した認知的信号対雑音比(SNR)---モデル化されたピア信念からの逸脱に対する精度の保証。 三 ネットワーク全体の整合性及び幻覚感染に対する抵抗性は、棚のラプラシアンを介して計算することができる。 (四)ピアモデリングは、計算を保存し、相互情報の崩壊に耐えるために、正確に二段階停止しなければならない。 (v)信頼性キャパシティは、リンク帯域幅ではなく、運用目標アライメントによって制限される。 局所的に展開された1Bパラメータ・テレコム言語モデルに関するシグナリングストーミングストーミング調査では、認知SNRは、その4人の隣人のうち3人が同意する幻覚的ピアを分離し、分岐ゲートが右のピアの全てをランク付けし、深さ2 ToMだけが正しいアクションを回復し、スペクトルギャップは、ほぼリアルタイム予算内で位相が一貫性に達するかどうかを決定する。

関連論文リスト

• MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents [74.83535434786145]
  MNIST-PRO (MNIST-PRO) は、MNISTの桁認識を、ルックバック制約付きシーケンシャルな視線に基づく検索タスクに変換することで、エージェント認識を分離するベンチマークである。 生の視覚履歴、テキスト状態、構造化されたメートル法グリッドマップ、統合された視覚キャンバスを含む4つの記憶表現の10つのマルチモーダルモデルを評価する。
  論文  参考訳（メタデータ） (2026-08-31T16:05:39Z)
• DiffuseAgent-MI: Distributionally-Grounded,Tool-Integrated Self-Evolving Agents for Faithful Visual Reasoning [24.745715007832953]
  DiffuseAgent-MIは、以前の自己進化剤よりも最大5.1ポイント精度を向上させる。 GeoQA、SciVis、VQA-v2、および社内のマルチモーダル推論セットでは、DiffuseAgent-MIは最大5.1ポイントの精度を向上させる。
  論文  参考訳（メタデータ） (2026-08-01T08:54:44Z)
• Intent Signal Theory: A Computational Framework for Intent-State Control in Human-AI Interaction [0.585480332059272]
  現在のAIインタラクションモデルは、プロンプトを主要な交換対象として扱い、重要なレイヤを省略する。 ここでは、この欠落した意図層を形式化する計算フレームワークであるIntent Signal Theory (IST)を紹介する。 ISTは、遅延ソースインテント(I*)、観測可能なインテントプロキシ(I-hat)、エンコードされたキャリア(P)、モデル出力(O)の4つのオブジェクトを日常的に混同している。
  論文  参考訳（メタデータ） (2026-05-24T13:10:33Z)
• FACT-E: Causality-Inspired Evaluation for Trustworthy Chain-of-Thought Reasoning [49.65751420291115]
  CoT(Chain-of-Thought)プロンプトはLSM推論を改善したが、モデルはしばしば不誠実な中間ステップを含むコヒーレントな説明を生成する。 我々は、CoTの品質を評価するための因果性に着想を得たフレームワークであるFACT-Eを提案する。 FACT-Eは推論・軌道選択を改善し、文脈内学習を強くすることを示す。
  論文  参考訳（メタデータ） (2026-04-12T15:35:08Z)
• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• TraceGuard: Process-Guided Firewall against Reasoning Backdoors in Large Language Models [19.148124494194317]
  我々は,小規模モデルを堅牢な推論ファイアウォールに変換するプロセス誘導型セキュリティフレームワークであるTraceGuardを提案する。 提案手法は,推理トレースを信頼できないペイロードとして扱い,詳細な防衛戦略を確立する。 グレーボックス設定における適応的敵に対する堅牢性を実証し、TraceGuardを実用的で低レイテンシなセキュリティプリミティブとして確立する。
  論文  参考訳（メタデータ） (2026-03-02T22:19:13Z)
• To Throw a Stone with Six Birds: On Agents and Agenthood [0.0]
  Six Birds Theory (SBT)は、マクロな物体を原始体ではなく誘導的閉包として扱う。 SBT内では,タイプ正当性評価を行う。 我々はこの契約を4つのチェック可能なコンポーネントを用いて有限制御システムで運用する。
  論文  参考訳（メタデータ） (2026-02-03T10:46:23Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Distributed Inference with Sparse and Quantized Communication [7.155594644943642]
  ネットワーク内のエージェントが未知の状態によって生成されたプライベート信号のストリームを観測する分散推論の問題を考察する。 本研究では,各仮説に対する低信念を拡散する原理に基づく,イベントトリガー型分散学習ルールを開発する。 逐次量子化器の範囲を精製することにより、各エージェントは1ドルビットで各仮説の信念を符号化しながら、ほぼ確実に指数関数的に真理を学習できることを示す。
  論文  参考訳（メタデータ） (2020-04-02T23:08:51Z)

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。