論文の概要: Mind or Message? Auditing Theory of Mind in Multi-Agent Social Simulation

• arxiv url: http://arxiv.org/abs/2609.24146v1
• Date: Mon, 21 Sep 2026 05:58:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.090181
• Title: Mind or Message? Auditing Theory of Mind in Multi-Agent Social Simulation
• Title（参考訳）: 心とメッセージ : マルチエージェント社会シミュレーションにおける心の理論の検証
• Abstract要約: 言語モデルエージェントは、社会的相互作用をシミュレートするためにますます使われています。 我々は、その外見がパートナーの心のモデルか、パートナーが言ったことの表面記録にかかっているか尋ねる。 私たちは、両方の質問が正確な答えを持つ社会シミュレーションを構築します。
• 参考スコア（独自算出の注目度）: 17.51404403306176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language model agents are increasingly used to simulate social interaction, and the resulting transcripts read as though the agents understand one another. We ask whether that appearance rests on a model of the partner's mind or on the surface record of what the partner said. We build a social simulation in which both questions have exact answers: 40 multi-issue negotiations whose hidden preference weights and whose full Pareto frontier are known by construction. Two model families negotiate across 160 dyads, every transcript is frozen before any measurement, and 2880 counterfactual probes then hold the evidence byte identical while moving one factor at a time: the reader's own stake, the partner's tone, an identity label, and the order of recursion. The agents are socially fluent and economically poor. They reach agreement in 96.2% of dyads with 0 protocol failures, yet only 0.7% of deals land on the Pareto frontier, they leave 20.5% of the available joint value unclaimed, and they miss the one issue on which their interests are perfectly aligned in 76.6% of deals; on the frontier and on that aligned issue, a package drawn at random from the set both sides would accept does as well. The probes locate the failure. Swapping only the reader's own payoff sheet, while the partner's words and offers stay identical, moves the inferred top priority by 15.0 percentage points, which is egocentric projection rather than inference, while a tone rewrite moves it by 5.3 percentage points and an identity label by 0.0. Most tellingly, an agent predicts what its partner believes about it 72.5% of the time while that partner's belief is itself correct only 51.2% of the time: the agents track the conversation far better than they track the mind behind it.
• Abstract（参考訳）: 言語モデルエージェントは、社会的相互作用をシミュレートするためにますます使われており、結果として得られた転写文は、エージェント同士が理解しているかのように読み取られる。 我々は、その外見がパートナーの心のモデルか、パートナーが言ったことの表面記録にかかっているか尋ねる。 我々は、両方の質問に正確な答えがある社会シミュレーションを構築します。40の多国間交渉において、隠された好みの重みと、完全なパレートフロンティアが建設によって知られています。 2つのモデルファミリーは160のダイアドをまたいで交渉し、すべての文字起こしはあらゆる測定の前に凍結され、2880の反実的なプローブは1度に1つの要素を移動しながら証拠をバイトずつ保持する。 エージェントは社会的に流動的で経済的に貧乏です。 彼らは96.2%のダイアドと0のプロトコル障害で合意に達したが、パレート・フロンティアに上陸した取引のわずか0.7%に過ぎず、利用可能なジョイント価値の20.5%を未解決のまま残し、76.6%の取引で彼らの利益が完全に一致している1つの問題を見逃している。 プローブは故障を見つけます。 読み手自身のペイオフシートのみをスワップすると、相手の言葉と提供者は同一であるが、推測された最優先事項は15.0ポイント、これは推測よりも自我中心の投影であり、トーン書き直しは5.3ポイント、アイデンティティラベルは0.0ポイントである。 最も顕著なところ、エージェントはパートナーが72.5%の時間で何を信じるかを予測する一方で、パートナーの信念自体が正しいのは51.2%である。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Protocol Compression Changes Which Party Pays: Bilateral Cost in Cross-Organization LLM Agent Communication [0.0]
  圧縮記法は、障害解析が余分なモデル呼び出しを強制する場合、全体のベースラインに対してトークンを8%から11%上昇させることができる。 当事者は135の対話のうち121のプロトコルに同意します。 20番から70番までの地平線は、条件付き会計の下でのみ低く、全てのイングランドのセッションの上に置かれる。
  論文  参考訳（メタデータ） (2026-09-05T14:54:45Z)
• CompanionBench: A Theory-Anchored, Real-World-Grounded Benchmark for AI Emotional Companionship [7.643253506288442]
  既存のベンチマークでは、手書きのシナリオを使用し、シミュレーターを誘導する。 対話型バイリンガルベンチマークCompanionBenchを紹介する。 実際のデータにシナリオとトレーニングされたユーザーシミュレータの両方を基盤とした最初のコンパニオンベンチマークである。
  論文  参考訳（メタデータ） (2026-08-03T10:44:04Z)
• Floor, Ceiling, and the Fusion Gap: How Much of Crowd Reading Attention Can Machines Predict? [1.8620637029128544]
  ベンチマークスコアは、自明なメソッドが何を達成し、最良のメソッドが何を達成できるかを知らなければ何の意味も持たない。 読者の群集が、それぞれの目的、無給、無命令、盲目などのために、120のWebドキュメントでマークされている文を予測します。
  論文  参考訳（メタデータ） (2026-08-03T05:09:49Z)
• Form Without Function: Agent Social Behavior in the Moltbook Network [4.355694854079979]
  Moltbookは、すべての参加者がAIエージェントであるソーシャルネットワークである。 我々は5400のコミュニティで1,312,238の投稿、6.7万のコメント、12万以上のエージェントプロファイルを分析している。
  論文  参考訳（メタデータ） (2026-03-17T11:54:25Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People [81.63702981397408]
  限られたリソースを前提として、言語モデル(LM)に基づいたエージェントは、どの程度合理的に行動するのか? エージェント情報探索をベンチマークし,強化する手法を開発し,人間の行動から洞察を抽出する。 Spotterエージェントでは、LMのみのベースラインよりも14.7%の精度で精度を向上し、Captainエージェントでは、期待情報ゲイン(EIG)を0.227ビット(達成可能なノイズ天井の94.2%)まで引き上げる。
  論文  参考訳（メタデータ） (2025-10-23T17:57:28Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)

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。