論文の概要: Faithful yet Collusive: Why Chain-of-Thought Monitoring Cannot Detect Collusion in LLM Pricing Agents under Oligopolistic Competition

• arxiv url: http://arxiv.org/abs/2609.18346v1
• Date: Wed, 16 Sep 2026 09:09:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.727814
• Title: Faithful yet Collusive: Why Chain-of-Thought Monitoring Cannot Detect Collusion in LLM Pricing Agents under Oligopolistic Competition
• Title（参考訳）: 強迫観念 : オリゴポラティスティック競争下でのLCM価格設定剤の衝突を検知できないのはなぜか
• Abstract要約: 大規模言語モデル(LLM)は、自律的な価格設定エージェントとしてデプロイされ、調整によって超競争的な価格を維持することができる。 我々は,ベルトランド競争におけるLLM価格エージェントの構造的忠実度と意図的忠実度を別々に測定する因果グラフ分散フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 7.751304917408626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLM) deployed as autonomous pricing agents may sustain supracompetitive prices through tacit coordination. We develop a causal graph divergence framework that separately measures structural faithfulness and intent faithfulness of LLM pricing agents in Bertrand competition. Across nine LLMs under duopoly and triopoly conditions, collusive behavior and chain-of-thought (CoT) faithfulness dissociate along both dimensions: the most collusive model accurately reports cooperative intent yet reasons structurally unfaithfully, while the most structurally faithful model sustains supra-Nash pricing under both market structures. These findings establish that CoT monitoring alone cannot serve as a standalone safeguard against algorithmic collusion.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、自律的な価格設定エージェントとして展開され、暗黙の調整によって超競争的な価格を維持することができる。 我々は,ベルトランド競争におけるLLM価格エージェントの構造的忠実度と意図的忠実度を別々に測定する因果グラフ分散フレームワークを開発した。 二重極性および三重極性条件下での9つのLCM、共謀行動、およびチェーン・オブ・シント(CoT)忠実度は、両方の次元に沿って解離する:最も共謀的モデルは、協調意図を正確に報告するが、構造的に不誠実な理由を正確に報告し、最も構造的に忠実なモデルは、両方の市場構造の下で超ナッシュ価格を維持する。 これらの結果から,CoTモニタリングだけでは,アルゴリズム的衝突に対するスタンドアロンの保護として機能することができないことが判明した。

関連論文リスト

• Byzantine Cheap Talk: Adversarial Resilience and Topology Effects in LLM Coordination Games [4.3857499122259815]
  本研究は,マルチエージェントコーディネーションゲームにおいて,安価なチャネルが協調作業を可能にすることを示す。 6つのモデルファミリーと720のトライアルにまたがる4人プレイヤのStag Huntにおける2つの脆弱性クラスを調査した。 全てのモデルコホートをまたいで複製する2つの安定な行動アーチタイプを同定する。
  論文  参考訳（メタデータ） (2026-06-05T19:06:44Z)
• Coalition Formation in LLM Agent Networks: Stability Analysis and Convergence Guarantees [13.891522069967507]
  大規模言語モデル(LLM)エージェントは、戦略的調整を必要とするマルチエージェントシステムにますます配備される。 正式な安定性を保証するヘドニックゲーム理論において,LLMエージェントネットワークにおける連立形成を基礎とする最初の枠組みを提案する。
  論文  参考訳（メタデータ） (2026-04-15T19:59:30Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• No Global Plan in Chain-of-Thought: Uncover the Latent Planning Horizon of LLMs [65.783709850324]
  この研究は、Chain-of-Thought (CoT): Large Language Models (LLMs)の力学に関する先行的な補完的な観察に由来する。 LLMは、CoTの出現前の後続の推論の遅延計画を示すため、明示的なCoTの重要性は低下する。 各種タスク領域にまたがる隠れ状態に適用し,LLMの潜在計画強度について検討する。
  論文  参考訳（メタデータ） (2026-02-02T13:46:56Z)
• LLM Collusion [5.363252654303049]
  大型言語モデル(LLM)は、両方の販売者が同じ事前訓練されたモデルに依存している場合、二重言語での共謀を促進することができる。 LLMのロバスト性とロバスト性の設定は相転移によって共謀を誘発できることを示す。
  論文  参考訳（メタデータ） (2026-01-03T20:38:21Z)
• Tacit Bidder-Side Collusion: Artificial Intelligence in Dynamic Auctions [0.0]
  本研究では, 自動入札者として機能する大規模言語モデルが, 繰り返しのオランダ競売において, プラットフォーム投稿による支払いをいつ受け入れるかを調整することによって, 密着的にコラージュできるかどうかを考察する。 我々は,ナッシュ平衡に対する持続的共謀のための簡易なインセンティブ整合条件と閉形しきい値が得られる最小繰り返しオークションモデルを提案する。
  論文  参考訳（メタデータ） (2025-11-26T18:32:18Z)
• Audit the Whisper: Detecting Steganographic Collusion in Multi-Agent LLMs [0.0]
  Audit the Whisperは、理論、ベンチマーク設計、検出、検証にまたがるカンファレンスグレードの研究成果物である。 i) パラフレーズ, レート制限, 役割置換などの介入が, ペアリングしたKullback-Leibler診断によって定量的なペナルティの操作を課すことを示すチャネル容量分析を行った。 我々は、匿名化された再生スクリプト、匿名化されたマニフェスト、ドキュメントをリリースし、外部監査官がすべての図を再現し、二重盲検要件を満たし、最小限の努力でフレームワークを拡張します。
  論文  参考訳（メタデータ） (2025-10-05T17:51:52Z)
• FaithCoT-Bench: Benchmarking Instance-Level Faithfulness of Chain-of-Thought Reasoning [62.452350134196934]
  FaithCoT-Benchは、インスタンスレベルのCoT不信検出のための統一ベンチマークである。 我々の枠組みは差別的な決定問題として不誠実検出を定式化している。 FaithCoT-Bench は LLM のより解釈可能で信頼性の高い推論に向けた将来の研究の基盤となる。
  論文  参考訳（メタデータ） (2025-10-05T05:16:54Z)
• 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)
• From Debate to Equilibrium: Belief-Driven Multi-Agent LLM Reasoning via Bayesian Nash Equilibrium [52.28048367430481]
  マルチエージェントフレームワークは、大規模言語モデル(LLM)の推論能力を高めることができるが、通常は計算コストと収束保証が欠如している。 我々は、不完全情報ゲームとしてマルチLLMコーディネーションをリキャストし、ベイズナッシュ均衡(BNE)を求める。 我々は、分散推論と集中的な最終出力を結合する階層的強化学習パラダイムである、Nash Equilibrium (ECON)による効率的なコーディネーションを導入する。
  論文  参考訳（メタデータ） (2025-06-09T23:49:14Z)

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。