Fugu-MT 論文翻訳(概要): Bayesian Belief Layer for Controllable Opinion Dynamics in LLM Agents

論文の概要: Bayesian Belief Layer for Controllable Opinion Dynamics in LLM Agents

arxiv url: http://arxiv.org/abs/2609.21997v2
Date: Tue, 22 Sep 2026 03:28:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-23 18:04:03.862552
Title: Bayesian Belief Layer for Controllable Opinion Dynamics in LLM Agents
Title（参考訳）: LLM剤の可制御オピニオンダイナミクスのためのベイズ的信念層
Abstract要約: ベイズ年代記エージェント (Bayesian Chronicle Agents, BCA) は、エージェントがどのように話すかから何を信じるのかを分離する最小限の信念層である。 1つの事前強度パラメータ$$は、Friedkin-Johnsen(FJ)の意見力学での役割をモデルに、スタバボーン性をエンコードする。所定の$が言語ラウンドトリップ後に回復可能であることを示す。
参考スコア（独自算出の注目度）: 3.8192008039287226
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: LLM agents in social simulation revise their opinions implicitly, in context: how open an agent is to persuasion can neither be specified nor verified, and collective outcomes inherit the model's training prior. We introduce Bayesian Chronicle Agents (BCA), a minimal belief layer separating what an agent believes from how it speaks. Each stance is a probability, updated by one Bayesian step per utterance heard. A single prior-strength parameter $κ$ encodes stubbornness, modeled after its role in Friedkin--Johnsen (FJ) opinion dynamics. We then sweep this parameter to yield three canonical regimes of opinion dynamics on demand (consensus, persistent disagreement, committed-minority influence), with persistent disagreement matching the FJ closed-form fixed points at $R^2\!=\!0.93$--$0.99$. We further show that prescribed $κ$ remains recoverable after the language round-trip, with perfect rank-order recovery across all four models. Explicit belief also makes simulation auditable: the layer surfaces systematic per-model stance biases that end-to-end simulation would silently absorb.
Abstract（参考訳）: 社会シミュレーションにおけるLLMエージェントは、どのようにエージェントが説得に対してオープンであるかを特定したり検証したりすることができず、集団的な結果がモデルのトレーニングを前に受け継がれるかという文脈において、彼らの意見を暗黙に修正する。ベイズ年代記エージェント (Bayesian Chronicle Agents, BCA) は、エージェントがどのように話すかから何を信じるのかを分離する最小限の信念層である。それぞれのスタンスは確率であり、発声毎にベイズステップが更新される。 1つの事前強度パラメータ$κ$は、Friedkin-Johnsen(FJ)の意見力学におけるその役割をモデルにスタブボーン性を符号化する。次に、このパラメータを網羅して、需要に関する3つの標準的意見体系(合意、持続的不一致、献身的マイノリティの影響)を生成し、FJ閉形式固定点をR^2\! =\! 0.93$--0.99$。さらに、所定のκ$が言語ラウンドトリップ後に回復可能であることを示す。レイヤは、エンドツーエンドのシミュレーションが静かに吸収するモデルごとのスタンスバイアスを体系的に表面化する。

関連論文リスト

Self-Emergence Agent Architecture:Behavior-Inertia HMM, Reflexive Metacognition,and Social-Contrastive Self-Modeling [7.511170831919511]
大規模言語モデル(LLM)エージェントは、強力な言語生成能力と問題解決能力を示すが、3つの構造的制約に悩まされる。既存の生成エージェントシミュレーションはメモリと固定プロンプトに依存しており、行動慣性や内因性自己反射は維持していない。 i) 長期的行動・認知慣性を編集可能な状態遷移行列として符号化する隠れマルコフモデル(HMM)、(ii) 出力がHMMパラメータ自体を更新する反射型言語メタ認知ループ、(iii) の3つのコンポーネントを統合したSEAA(Self-Emergence Agent Architecture)を提案する。
論文参考訳（メタデータ） (2026-09-15T15:36:10Z)
BayesBench: Evaluating LLM Belief Trajectories Under Multi-Turn Evidence Accumulation [20.375742002723765]
大規模言語モデル(LLM)は通常、マルチターン会話にデプロイされる。 LLMの信念の更新は、マルチターン設定における合理的ベイズ論理の更新とどの程度密接に一致しているかを問う。ベイズベンチ(BayesBench)は3つの複雑なタスクにまたがってこれを探索するシミュレーション環境である。
論文参考訳（メタデータ） (2026-06-29T19:30:32Z)
Inverting the Bellman Equation: From $Q$-Values to World Models [57.827849584133425]
我々は、十分に豊富な報酬関数のセットで訓練された価値に基づくエージェントが、ユニークで正確な世界モデルを暗黙的にエンコードしていることを証明した。 ttReacherエージェントの暗黙の世界モデルにのみ訓練されたポリシーは、位置のみのトレーニングにもかかわらず、分布外、速度に基づく目標に準最適であることがわかった。
論文参考訳（メタデータ） (2026-06-19T07:26:14Z)
Coherence Under Commitment: Probing Generalization and Vacuous Memorization in LLM Logical Reasoning [0.9023847175654603]
コヒーレンス・アンダー・コミット(CUC: Coherence Under Commitment)は、一貫性と決定性を共同で測定する二重クエリ評価パラダイムである。 CUC は,(1) コミットメントスコア $c(varphi) = p(varphi) + p(lnotvarphi)$ 決定的な結果に割り当てられた確率質量の定量化,(2) 正規化YES/NOログ確率によるテキストbf決定論的推論プロトコルによるサンプリング分散の排除,(3) コヒーレンス・コミットトレードオフをメトリクスに運用する3方向決定フレームワーク (True/False/Uncertain) の3つの革新に寄与する。
論文参考訳（メタデータ） (2026-06-19T04:12:56Z)
SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
論文参考訳（メタデータ） (2026-06-17T02:15:46Z)
Belief Engine: Configurable and Inspectable Stance Dynamics in Multi-Agent LLM Deliberation [0.299647994399672]
信念エンジン(Belief Engine, BE)は、ある命題に関する明白な状態として「信」を扱う、監査可能な信条更新層である。 BEは、構造化メモリに引数を抽出し、エビデンスUを取り込み、aをアンカーする前に制御されたログオードルールでスタンスを更新する。 DEBATEは、事前/ポストの意見を持つ人間の議論データセットで、BEは、最後のスタンスで証拠を抽出した参加者を最もよく再構成する。
論文参考訳（メタデータ） (2026-05-14T19:13:12Z)
Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。 LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
論文参考訳（メタデータ） (2026-05-12T02:37:04Z)
The Bystander Effect in Multi-Agent Reasoning: Quantifying Cognitive Loafing in Collaborative Interactions [6.357772907811544]
我々は3つのデータセットコンテキストにまたがる22,500の決定論的軌跡を,3つの最先端(SOTA)モデルで評価した。我々はtextitSovereignty Gap を形式化する:モデルはしばしば正しい導出を内部で計算するが、アライメント幻覚に苦しむ」。我々は,マルチエージェントの社会的負荷が厳密に非可換であることを証明し,リード・アンカーの監査役の「ブランド」アイデンティティは群集の整合性を不当に判断する。
論文参考訳（メタデータ） (2026-05-11T15:13:01Z)
Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文参考訳（メタデータ） (2026-04-21T15:05:58Z)
Autoregressive Bandits [58.46584210388307]
本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
論文参考訳（メタデータ） (2022-12-12T21:37:36Z)

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。