Fugu-MT 論文翻訳(概要): The Mirror Agent Model: a Bayesian Architecture for Interpretable Agent Behavior

論文の概要: The Mirror Agent Model: a Bayesian Architecture for Interpretable Agent Behavior

arxiv url: http://arxiv.org/abs/2609.05190v1
Date: Fri, 04 Sep 2026 14:25:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:24.069589
Title: The Mirror Agent Model: a Bayesian Architecture for Interpretable Agent Behavior
Title（参考訳）: ミラーエージェントモデル:解釈可能なエージェント動作のためのベイズ的アーキテクチャ
Abstract要約: このアーキテクチャをミラーエージェントモデルと呼ぶのは、エージェントのミラーとして明示的で暗黙的なコミュニケーションのターゲットであるオブザーバモデルを定義するためである。既成のサリエンシ手法による説明のために,アーキテクチャに新たな機能を持たせた後,予備的な定性的な結果が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we illustrate a novel architecture generating interpretable behavior and explanations. We refer to this architecture as the Mirror Agent Model because it defines the observer model, that is the target of explicit and implicit communications, as a mirror of the agent's. With the goal of providing a general understanding of this work, we firstly show prior relevant results addressing the informative communication of agents intentions and the production of legible behavior. In the second part of the paper we furnish the architecture with novel capabilities for explanations through off-the-shelf saliency methods, followed by preliminary qualitative results.
Abstract（参考訳）: 本稿では,解釈可能な振る舞いと説明を生成する新しいアーキテクチャについて説明する。このアーキテクチャをミラーエージェントモデルと呼ぶのは、エージェントのミラーとして明示的で暗黙的なコミュニケーションのターゲットであるオブザーバモデルを定義するためである。本研究を総合的に理解することを目的として,まず,エージェント意図の情報伝達と妥当な行動の生成について,事前の関連結果を提示する。論文の第2部では、既成のサリエンシ手法による説明と、予備的な定性的な結果によって、アーキテクチャに新たな機能を持たせる。

関連論文リスト

From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文参考訳（メタデータ） (2026-06-14T05:40:16Z)
How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文参考訳（メタデータ） (2026-05-13T14:52:40Z)
Automated Detection of Visual Attribute Reliance with a Self-Reflective Agent [58.90049897180927]
視覚モデルにおける視覚的特徴の意図しない依存を検出するための自動フレームワークを提案する。自己反射エージェントは、モデルが依存する可能性のある視覚特性に関する仮説を生成し、テストする。我々は,視覚特性の多様さを示すために設計された130モデルの新しいベンチマークに対して,我々のアプローチを評価した。
論文参考訳（メタデータ） (2025-10-24T17:59:02Z)
Reimagining Agent-based Modeling with Large Language Model Agents via Shachi [16.625794969005966]
大規模言語モデル(LLM)によるマルチエージェントシステムにおける創発的行動の研究は重要な研究課題である。エージェントのポリシーをコア認知コンポーネントに分解する形式的方法論とモジュラーフレームワークであるShachiを紹介する。提案手法を総合的な10タスクベンチマークで検証し,新しい科学的探究を通じてその能力を実証する。
論文参考訳（メタデータ） (2025-09-26T04:38:59Z)
Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文参考訳（メタデータ） (2025-03-27T12:50:17Z)
Agent Design Pattern Catalogue: A Collection of Architectural Patterns for Foundation Model based Agents [22.94671478021277]
ファウンデーションモデルに対応した生成人工知能はエージェントの開発と実装を容易にする。エージェントを設計する実践者を指導する体系的な知識が欠如している。本稿では、文脈、力、トレードオフを分析した18のアーキテクチャパターンからなるパターンカタログを提案する。
論文参考訳（メタデータ） (2024-05-16T23:24:48Z)
Cognitive Architecture Toward Common Ground Sharing Among Humans and Generative AIs: Trial on Model-Model Interactions in Tangram Naming Task [2.756147934836574]
本稿では,タングラム命名タスク(TNT)をテストベッドとして,共通地層構築プロセスの検証に着目する。本研究の予備的な結果は,タスクパフォーマンスがチャンスレベルを超えて改善したことを示している。これらの結果は、生成AIによる共通基盤のメカニズムに関する貴重な洞察を提供する。
論文参考訳（メタデータ） (2023-11-10T03:15:17Z)
Learning Geometric Representations of Objects via Interaction [25.383613570119266]
エージェントとエージェントが相互作用する外部オブジェクトを含むシーンの観察から表現を学習する問題に対処する。本稿では,任意の自然の非構造化観測からエージェントとオブジェクトの物理的空間における位置を抽出する表現学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-11T09:45:22Z)
Compositional Generalization in Grounded Language Learning via Induced Model Sparsity [81.38804205212425]
グリッド環境における単純な言語条件のナビゲーション問題について考察する。本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
論文参考訳（メタデータ） (2022-07-06T08:46:27Z)
Obtaining Faithful Interpretations from Compositional Neural Networks [72.41100663462191]
NLVR2およびDROPデータセット上でNMNの中間出力を評価する。中間出力は期待出力と異なり,ネットワーク構造がモデル動作の忠実な説明を提供していないことを示す。
論文参考訳（メタデータ） (2020-05-02T06:50:35Z)
Asking the Right Questions: Learning Interpretable Action Models Through Query Answering [33.08099403894141]
本稿では,ブラックボックス型自律エージェントの解釈可能なリレーショナルモデルを設計・動作可能な新しいアプローチを開発する。我々の主な貢献は、エージェントとの最小クエリインタフェースを用いてそのようなモデルを推定するための新しいパラダイムと、エージェントの内部モデルを推定するための尋問ポリシーを生成する階層的なクエリアルゴリズムである。
論文参考訳（メタデータ） (2019-12-29T09:05:06Z)

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。