論文の概要: AI agents reshape consensus formation in human groups

• arxiv url: http://arxiv.org/abs/2609.02122v1
• Date: Wed, 02 Sep 2026 05:25:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.093721
• Title: AI agents reshape consensus formation in human groups
• Title（参考訳）: AIエージェントが人間集団のコンセンサス形成を再構築
• Abstract要約: 協調記述ゲームにおいて,混在するAIグループについて検討した。 我々は3つの異なるコンセンサス形成体制を見出した。 機械学的には、エージェントの影響は共通の言語的先行から生じる。
• 参考スコア（独自算出の注目度）: 28.25868850913969
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As large language model (LLM) agents shift from tools to participants in human groups, a fundamental question for collective behavior is how their growing presence reshapes consensus formation. Here we study mixed human-AI groups in a collaborative description game, in which shared conventions emerge through repeated rounds of random pairwise communication. Varying the proportions of LLM agents, we identify three distinct regimes of consensus formation: low agent proportions facilitate human-led consensus, intermediate proportions disrupt convergence, and high proportions restore strong consensus while shifting it toward agent-led conventions. Crucially, these regimes differ not only in the strength of convergence, but also in the semantic grounding and communicative form of the resulting consensus: human-led consensus is more concrete, holistic, and grounded in shared real-world analogies, whereas agent-led consensus is more abstract, less information-dense, and more geometrically segmented. Mechanistically, agent influence arises from a shared linguistic prior that places agents near one another in the expression space, combined with relatively stable expression choices across rounds; humans initially resist adopting expressions from partners perceived as AI but gradually yield to conformity pressure. These findings provide evidence that AI composition can shape the emergence, content, and perceived legitimacy of group norms, making agent proportion and transparency important design variables for human-AI systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントがツールから人間集団の参加者へと移行するにつれ、集団行動の根本的な疑問は、その存在がコンセンサス形成にどのように影響するかである。 ここでは、協調記述ゲームにおいて、ランダムなペアワイズ通信の繰り返しラウンドを通じて共有規約が出現する混合AIグループについて検討する。 LLMエージェントの割合から,低エージェント比が人間主導のコンセンサスを促進すること,中間比率がコンセンサスを乱すこと,高割合がエージェント主導のコンセンサスに移行しながらコンセンサスを回復すること,という3つの異なるコンセンサス形成体制を同定した。 人間主導のコンセンサスはより具体的で、包括的で、共有された現実世界のアナロジーに基礎を置いているのに対し、エージェント主導のコンセンサスはより抽象的で、情報密度が低く、幾何学的に区分けされている。 機械学的には、エージェントの影響は、表現空間に互いに近くにいるエージェントを配置し、ラウンド全体の比較的安定した表現選択と組み合わせることで、共通の言語的先行から生じている。 これらの結果は、AI合成が集団規範の出現、内容、認識の正当性を形作り、エージェントの割合と透明性が人間-AIシステムにとって重要な設計変数となることを示す。

関連論文リスト

• Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents [36.83382233533373]
  AIエージェントは、分離されたシステムではなく、インタラクションシステムの一部として運用されるようになっている。 我々は、繰り返しメッセージを交換し、意見を再検討する言語モデルエージェントのコミュニティを1万以上研究する。 行動にかなりの多様性があるにもかかわらず、個人とグループのダイナミクスは3つの特徴的な状態によって表される。
  論文  参考訳（メタデータ） (2026-08-17T13:41:24Z)
• Drawing with Strangers: Population Scaling Drives Zero-Shot Mutual Intelligibility in Emergent Sketching [4.849672345901367]
  創発的コミュニケーションの一般化は、新しい入力や言語構造に大きく焦点を絞っている。 我々は、この能力を、個別に訓練された集団間のコミュニケーションを成功させるために、テキセロ・ショット相互信頼(ZMI)として定式化する。 トレーニング人口のスケーリングは、独立したグループ間でZMIを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2026-06-09T08:45:58Z)
• Representational Similarity and Model Behavior in Multi-Agent Interaction [86.305731341492]
  マルチエージェントシステム設計において,表現的類似性は重要な考慮事項であることを示す。 より類似した表現空間を持つペアは、はるかに高い協調を実現するが、新規性や創造性は低下する。 このことは、これらのパターンの根底にある中心的な要素が、2つのモデルが語彙と意味的な接点を共有する範囲である可能性を示唆している。
  論文  参考訳（メタデータ） (2026-06-05T19:59:17Z)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
  LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。 本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。 AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
  論文  参考訳（メタデータ） (2026-04-14T13:49:19Z)
• Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies [28.436766185842767]
  本稿では,計算仮想エスノグラフィーと定量的社会認知プロファイリングを組み合わせた新しい混合メソドックスフレームワークを提案する。 Innate Value Bias (IVB)、Persuasion Sensitivity、Trust-Action Decoupling (TAD)の3つの新しいメトリクスを形式化する。 発見は静的なプロンプトエンジニアリングの脆弱さを明らかにし、人間とエージェントのハイブリッド社会における動的アライメントの方法論的かつ定量的基盤を提供する。
  論文  参考訳（メタデータ） (2026-03-24T16:38:46Z)
• Learning Human-Object Interaction as Groups [52.28258599873394]
  GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。 これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-21T07:25:10Z)
• Evolving Collective Cognition in Human-Agent Hybrid Societies: How Agents Form Stances and Boundaries [12.68373270583966]
  本研究では,人間とエージェントの混成社会における集団姿勢の分化と社会的境界形成の出現について検討する。 エージェントは事前に設定されたアイデンティティから独立して内在的なスタンスを示す。 以上の結果から,プリセットされたアイデンティティがエージェントの社会的構造を厳格に決定しないことが示唆された。
  論文  参考訳（メタデータ） (2025-08-24T13:50:18Z)
• From Tokens to Thoughts: How LLMs and Humans Trade Compression for Meaning [63.25540801694765]
  大きな言語モデル (LLMs) は言語能力を示すが、同じバランスをとれるかどうかは不明だ。 本稿では,LLMと人間を定量的に比較するために,Information Bottleneckの原理を適用した。
  論文  参考訳（メタデータ） (2025-05-21T16:29:00Z)
• EgoAgent: A Joint Predictive Agent Model in Egocentric Worlds [119.02266432167085]
  EgoAgentは単一変換器内での表現、予測、動作を同時に学習する統合エージェントモデルである。 EgoAgentは、タスクをインターリーブされた状態とアクションのシーケンスとして定式化することで、これらの能力間の因果的および時間的依存関係を明示的にモデル化する。 EgoAgentの画像分類,エゴセントリックな将来の状態予測,3次元人間の動作予測といった代表的課題に対する総合的な評価は,本手法の優位性を示している。
  論文  参考訳（メタデータ） (2025-02-09T11:28:57Z)
• Decentralised Emergence of Robust and Adaptive Linguistic Conventions in Populations of Autonomous Agents Grounded in Continuous Worlds [4.63732827131233]
  本稿では,自律エージェントの集団が言語慣行を確立できる手法を提案する。 この慣習は、エージェントのペア間の局所的なコミュニケーションを通じて、分散的に現れる。 この手法により、住民はコミュニケーションに効果的で、一貫性があり、人間に解釈可能な言語慣習に収束できることを示す。
  論文  参考訳（メタデータ） (2024-01-16T16:11:35Z)
• Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
  本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。 チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-10-17T07:16:44Z)

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。