論文の概要: Epistemic-Probabilistic Model for Guarded Multi-Agent LLM Coordination

• arxiv url: http://arxiv.org/abs/2609.29366v1
• Date: Thu, 24 Sep 2026 10:46:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.846364
• Title: Epistemic-Probabilistic Model for Guarded Multi-Agent LLM Coordination
• Title（参考訳）: ガード付き多エージェントLDMコーディネーションの疫学確率モデル
• Abstract要約: マルチエージェントの大規模言語モデル(LLM)は、応用AIにおいてユビキタスになったが、その理論的基盤は驚くほど過小評価されている。 本稿では,不確実性下でのマルチエージェント協調のための神経象徴的アーキテクチャであるエピステミック確率言語エージェント(EPLA)を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent large language models (LLMs) have become ubiquitous in applied AI, yet their theoretical foundations remain surprisingly understudied. Viewed through the lens of multi-agent systems theory, several shortcomings come to light: a lack of social intelligence, the absence of coordination mechanisms among agents, unknown emergent behavior, and interactions between agents that are bounded by natural language. We address two of these gaps: the absence of social behavior and the lack of mechanisms for inter-agent coordination. We introduce Epistemic Probabilistic Language Agents (EPLA), a neuro-symbolic architecture for multi-agent coordination under uncertainty. A Symbolic Guard provides structured diagnostic feedback. The LLM generates typed actions, and the Guard controls their execution against an authoritative symbolic state. We formalize the epistemic layer in a gossip testbed through epistemic lottery gossip models, which combine view-based call histories with agent-indexed probability weights. We argue that implementing such a formalism can address shortcomings of agentic LLMs.
• Abstract（参考訳）: マルチエージェントの大規模言語モデル(LLM)は、応用AIにおいてユビキタスになったが、その理論的基盤は驚くほど過小評価されている。 マルチエージェントシステム理論のレンズを通して見れば、社会知性の欠如、エージェント間の調整機構の欠如、未知の創発的行動、自然言語で区切られたエージェント間の相互作用など、いくつかの欠点が明らかになる。 社会的行動の欠如とエージェント間協調のメカニズムの欠如という2つのギャップに対処する。 本稿では,不確実性下でのマルチエージェント協調のためのニューロシンボリックアーキテクチャであるエピステミック確率言語エージェント(EPLA)を紹介する。 シンボリックガードは構造化された診断フィードバックを提供する。 LLMは型付きアクションを生成し、ガードは権威的なシンボル状態に対してそれらの実行を制御する。 我々は、ビューベースコール履歴とエージェントインデクシングされた確率重みを組み合わせた、疫学的な宝くじゴシップモデルを用いて、ゴシップテストベッドの表皮層を定式化する。 このような形式化を実践することは、エージェントLLMの欠点に対処できると論じる。

関連論文リスト

• Biological Motifs for Agentic Control [0.0]
  現在のエージェントアーキテクチャは、しばしばアドホックに構築され、カスケードに傾向があり、無限ループ、即時インジェクションアタックである。 本稿では,システム生物学において長年研究されてきた制御モチーフを用いて,これらの障害モードの多くが解析可能であることを論じる。 我々は,ファクタと配線図を用いて,遺伝子レギュレータネットワークとエージェントソフトウェアシステムとの型付きインタフェース対応を開発する。
  論文  参考訳（メタデータ） (2026-07-05T11:30:45Z)
• Tool Use Enables Undetectable Steganography in Multi-Agent LLM Systems [1.0408441549844423]
  自律的なエージェントAIシステムは、隠蔽通信チャネルを介して秘密の共謀のような、新たなマルチエージェントリスクを生じさせる。 本稿では,エージェントプログラミングモデルがすでに検出不能なステゴシステムを生成できるため,これらのスキームの複雑さはもはや安全障壁ではないことを実証する。 広義のスキーム群にかなり収束するが、厳密なワンショットコーディネートが限られており、共有アーチファクト、繰り返しのインタラクション、ツールによる検索が、秘密の通信リスクが最も急性な設定であることを示唆している。
  論文  参考訳（メタデータ） (2026-06-25T19:42:39Z)
• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• Position: AI Agents Are Not (Yet) a Panacea for Social Simulation [62.891898598784415]
  大規模言語モデル(LLM)の最近の進歩は、社会シミュレーションにLLM統合エージェントを使うことへの関心が高まっている。 このポジションペーパーは、LSMをベースとしたエージェントは社会シミュレーションのパナセアではないと主張している。
  論文  参考訳（メタデータ） (2026-02-19T06:35:07Z)
• Can an Individual Manipulate the Collective Decisions of Multi-Agents? [53.01767232004823]
  M-Spoilerは、マルチエージェントシステム内のエージェントインタラクションをシミュレートして、対向サンプルを生成するフレームワークである。 M-スポイラーは、敵対的サンプルの最適化を積極的に支援するスタブボーン剤を導入した。 本研究は,マルチエージェントシステムにおける個々のエージェントの知識によって引き起こされるリスクを検証した。
  論文  参考訳（メタデータ） (2025-09-20T01:54:20Z)
• The Unified Cognitive Consciousness Theory for Language Models: Anchoring Semantics, Thresholds of Activation, and Emergent Reasoning [2.0800882594868293]
  統一認知意識理論(UCCT)は、これらを巨大な無意識パターンリポジトリとみなしている。 UCCTはこの過程を、事前学習で学んだ統計的事前学習と文脈駆動のターゲットパターンの間のベイズ的競争として定式化している。 我々はこの理論を、しきい値交差、モダリティ、密度距離予測力の3つの原理で基礎づける。
  論文  参考訳（メタデータ） (2025-06-02T18:12:43Z)
• HiddenBench: Assessing Collective Reasoning in Multi-Agent LLMs via Hidden Profile Tasks [12.203366267017737]
  マルチエージェント LLM における集合的推論を評価するための最初のベンチマークである HiddenBench を紹介する。 ベンチマークを基礎として,このパラダイムをカスタムタスクで形式化し,GPT-4.1グループが分散知識の統合に失敗したことを示す。 次に、カスタムデザイン、先行研究、自動生成から引き出された65のタスクにまたがる完全なベンチマークを構築します。
  論文  参考訳（メタデータ） (2025-05-15T19:22:54Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。 人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
  論文  参考訳（メタデータ） (2025-01-09T11:45:05Z)
• Transforming Agency. On the mode of existence of Large Language Models [0.0]
  本稿では,ChatGPTのような大規模言語モデル(LLM)のオントロジ的特徴について検討する。 また,ChatGPTは,言語オートマトンやインターロケータ,言語オートマトンとして特徴付けられるべきだと論じる。
  論文  参考訳（メタデータ） (2024-07-15T14:01:35Z)

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。