論文の概要: MARBO: Relational Belief Grounding for LLM Agents in Social Deduction Games

• arxiv url: http://arxiv.org/abs/2609.06563v1
• Date: Sun, 06 Sep 2026 12:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.265848
• Title: MARBO: Relational Belief Grounding for LLM Agents in Social Deduction Games
• Title（参考訳）: MARBO:ソーシャル・ドダクション・ゲームにおけるLLMエージェントの相互信頼基盤
• Abstract要約: 社会的推論ゲームでは、エージェントは部分的な可観測性の下で推論する必要がある。 本稿では,MARBO(Multi-Agent Belief Optimization)を提案する。 MARBOは、行動が信頼できるリレーショナルな信念によってサポートされている場合にのみ、好みのフィードバックを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Social deduction games (SDGs) require agents to reason under partial observability by maintaining relational beliefs about hidden roles and team alignments. While recent LLM-agent approaches improve gameplay through prompting and preference optimization, they often optimize actions and in-game speech without explicitly grounding them in such beliefs. This frequently leads to strategically inconsistent behavior, especially for compact LLM agents. We introduce Multi-Agent Relational Belief Optimization (MARBO), a belief-grounded preference optimization framework that leverages relational beliefs to guide strategic decisions and in-game speech. MARBO provides preference feedback only when behaviors are supported by reliable relational beliefs and lead to strategically favorable social outcomes, encouraging more consistent learning under uncertainty. Experiments on representative SDGs show that MARBO enables compact LLM agents to consistently outperform existing baselines. The Code is available on https://github.com/PleaseTakemeAway/MARBO.
• Abstract（参考訳）: 社会的推論ゲーム(SDG)は、隠れた役割とチームのアライメントに関する関係的な信念を維持することによって、部分的な可観測性の下でエージェントを推論することを要求する。 近年のLSMエージェントアプローチは、プロンプトと好みの最適化によってゲームプレイを改善するが、そのような信念に明示的に根ざすことなく、アクションとゲーム内音声を最適化することが多い。 このことは、特にコンパクトなLDMエージェントにおいて、戦略的に矛盾する振る舞いを引き起こすことが多い。 本稿では,MARBO(Multi-Agent Relational Belief Optimization)を紹介する。 MARBOは、行動が信頼できるリレーショナルな信念に支えられ、戦略的に有利な社会的成果をもたらす場合にのみ、優先的なフィードバックを提供し、不確実性の下でより一貫性のある学習を促進する。 代表的SDGの実験により、MARBOはコンパクトなLDMエージェントが既存のベースラインを一貫して上回ることを示す。 コードはhttps://github.com/PleaseTakemeAway/MARBOで入手できる。

関連論文リスト

• Why Do LLMs Struggle in Strategic Play? Broken Links Between Observations, Beliefs, and Actions [22.817330994735254]
  大規模言語モデル(LLM)は、不完全な情報の下での戦略的意思決定にますます取り組まれている。 不完全情報ゲームにおけるLSMの意思決定の基盤となる内部メカニズムには,2つの根本的なギャップがある。
  論文  参考訳（メタデータ） (2026-04-30T21:04:38Z)
• MAGE: Meta-Reinforcement Learning for Language Agents toward Strategic Exploration and Exploitation [11.222602737031101]
  本稿では,LLMエージェントを戦略的探索と活用に活用するメタRLフレームワークであるMAGEを提案する。 MAGEは、インタラクション履歴とリフレクションをコンテキストウィンドウに統合するマルチエピソードトレーニングシステムを利用している。 実験結果から,MAGEは探索作業と搾取作業の両方において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2026-03-04T03:14:37Z)
• GameTalk: Training LLMs for Strategic Conversation [51.29670609281524]
  マルチターンインタラクションによる戦略的意思決定のために,LLMをトレーニングするフレームワークであるtextbfGameTalkを紹介した。 シングルターンの目的や静的アクション予測に焦点を当てた以前の作業とは異なり、私たちはLLMをトレーニングして、全会話にわたってグローバルな目的を最適化します。 本手法は, 推論, コーディネート, 対戦型モデリングの異なる側面を強調するために設計された, ますます複雑なゲーム群に対して評価する。
  論文  参考訳（メタデータ） (2026-01-22T19:18:39Z)
• GTAlign: Game-Theoretic Alignment of LLM Assistants for Social Welfare [34.11305361948566]
  推論と学習の両方にゲーム理論による意思決定を統合するアライメントフレームワークを提案する。 GTAlignは,ベースラインに比べて推論効率,回答品質,社会福祉を著しく改善することを示した。
  論文  参考訳（メタデータ） (2025-10-10T00:05:14Z)
• SAND: Boosting LLM Agents with Self-Taught Action Deliberation [54.48979740613828]
  大規模言語モデル(LLM)エージェントは、通常、ReActスタイルの専門家軌道の教師付き微調整や、ペアのロールアウトよりも好みの最適化で調整される。 本稿では,自己学習型アクチオN審議(SAND)フレームワークを提案する。 SANDは、初期教師付き微調整よりも平均20%改善し、また最先端のエージェントチューニングアプローチより優れている。
  論文  参考訳（メタデータ） (2025-07-10T05:38:15Z)
• Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games [87.5673042805229]
  大規模言語モデルは、アライメント、堅牢性、安全なデプロイメントを保証する上で、いかに自己関心と集合的幸福のバランスをとるかが重要な課題である。 我々は、行動経済学から制度的に選択した公共財ゲームに適応し、異なるLLMがいかに社会的ジレンマをナビゲートするかを観察することができる。 意外なことに、o1シリーズのようなLCMの推論は、協調にかなり苦労している。
  論文  参考訳（メタデータ） (2025-06-29T15:02:47Z)
• ReMA: Learning to Meta-think for LLMs with Multi-Agent Reinforcement Learning [53.817538122688944]
  Reinforced Meta-thinking Agents (ReMA) を導入し,Large Language Models (LLMs) の推論からメタ思考行動を求める。 ReMAは、推論プロセスを2つの階層的なエージェントに分解する。戦略上の監視と計画を生成するハイレベルなメタ思考エージェントと、詳細な実行のための低レベルな推論エージェントである。 単ターン実験による実験結果から、ReMAは複雑な推論タスクにおいて単エージェントRLベースラインよりも優れることが示された。
  論文  参考訳（メタデータ） (2025-03-12T16:05:31Z)
• Toward Optimal LLM Alignments Using Two-Player Games [86.39338084862324]
  本稿では,対戦相手と防御エージェントの反復的相互作用を含む2エージェントゲームのレンズによるアライメントについて検討する。 この反復的強化学習最適化がエージェントによって誘導されるゲームに対するナッシュ平衡に収束することを理論的に実証する。 安全シナリオにおける実験結果から、このような競争環境下での学習は、完全に訓練するエージェントだけでなく、敵エージェントと防御エージェントの両方に対する一般化能力の向上したポリシーにつながることが示されている。
  論文  参考訳（メタデータ） (2024-06-16T15:24:50Z)
• GTBench: Uncovering the Strategic Reasoning Limitations of LLMs via Game-Theoretic Evaluations [87.99872683336395]
  大規模言語モデル(LLM)は、重要な現実世界のアプリケーションに統合される。 本稿では,LLMの競合環境における推論能力について検討する。 まず,広く認識されている10のタスクを構成する言語駆動型環境であるGTBenchを提案する。
  論文  参考訳（メタデータ） (2024-02-19T18:23:36Z)

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。