論文の概要: ICMAPE: In-Context Multiagent Pure Exploration

• arxiv url: http://arxiv.org/abs/2609.33986v1
• Date: Sun, 27 Sep 2026 22:38:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 08:04:33.992023
• Title: ICMAPE: In-Context Multiagent Pure Exploration
• Title（参考訳）: ICMAPE: In-Context Multiagent Pure Exploration
• Abstract要約: 我々は、分散された純粋な探索のための学習ベースのフレームワークであるICMAPEを開発した。 ICMAPEは、固定信頼識別目標を推論信頼度から導出される報酬に変換する。 ICMAPE-TD3は、実世界のデータに基づく2つの総合ベンチマークとメリーランドの硝酸塩濃度モニタリングタスクにおいて、より少ない探索ステップで目標精度を達成する。
• 参考スコア（独自算出の注目度）: 33.655069435922314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In some multi-agent systems, the quantity to be optimized is not an externally specified reward but the information acquired about unknown properties of the environment as done in active sequential hypothesis testing (ASHT) problems. However, the ASHT literature tends to focus on finite single-agent problems with well-specified models, while there is currently a gap for practical multi-agent methods that can perform active sequential testing. We fill this gap with ICMAPE, a Bayesian learning-based framework for decentralized multi-agent pure-exploration driven by inference objectives. ICMAPE converts the fixed-confidence identification objective into a reward derived from inference confidence, so that standard reinforcement learning machinery can be applied to decentralized pure exploration. It jointly learns a centralized neural inference network that estimates a posterior distribution over hypotheses from global trajectory data, and decentralized policies that select actions from local observation histories and learn when to stop collecting data once the target confidence is reached. On two synthetic benchmarks and a Maryland nitrate concentration monitoring task based on real-world data, ICMAPE-TD3 achieves target accuracy with fewer exploration steps.
• Abstract（参考訳）: いくつかのマルチエージェントシステムでは、最適化すべき量は外部で特定される報酬ではなく、アクティブシーケンシャル仮説テスト(ASHT)問題において行われる環境の未知の性質に関する情報である。 しかし、ASHTの文献は、十分に特定されたモデルで有限個の単エージェント問題に焦点をあてる傾向にあり、現在、アクティブなシーケンシャルテストを実行するための実用的なマルチエージェントメソッドにはギャップがある。 このギャップを、推論目的によって駆動される分散マルチエージェント純粋探索のためのベイズ学習ベースのフレームワークであるICMAPEで埋める。 ICMAPEは、固定信頼識別目標を推論信頼度に基づく報酬に変換することにより、分散された純粋な探索に標準強化学習機械を適用することができる。 グローバルな軌道データから仮説よりも後続分布を推定する集中型神経推論ネットワークを共同で学習し、局所的な観測履歴からアクションを選択し、目標の信頼度が到達した後にデータを集めるのをやめるタイミングを学習する分散ポリシを学習する。 ICMAPE-TD3は、実世界のデータに基づく2つの総合ベンチマークとメリーランドの硝酸塩濃度モニタリングタスクにおいて、より少ない探索ステップで目標精度を達成する。

関連論文リスト

• A Mutual Information Lower Bound for Multimodal Regression Active Learning [9.04041860173466]
  Mutual Information Lower Bound (MI-LB) は、Mixture Network アンサンブルのクローズドフォーム近似である。 我々は,MI-LBがマルチモーダルシステムを備えたベンチマークで評価されたベースラインのすべてに一致または打ち勝つことを示す。
  論文  参考訳（メタデータ） (2026-05-14T14:50:47Z)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Scalable Multi-Agent Offline Reinforcement Learning and the Role of Information [37.18643811339418]
  データセット収集とオフライン学習の両方にスケーラブルな新しいルーチンを提案する。 エージェントはまず、事前に特定された情報共有ネットワークと一貫性のある多様なデータセットを収集する。 提案手法は,FQIの教師あり学習段階における固有誤差を,共有情報と非共有情報との相互情報に限定することを可能にしている。
  論文  参考訳（メタデータ） (2025-02-16T20:28:42Z)
• Adaptive Target Localization under Uncertainty using Multi-Agent Deep Reinforcement Learning with Knowledge Transfer [15.605693371392212]
  本研究は,不確実環境におけるターゲット位置推定のためのMADRLに基づく新しい手法を提案する。 エージェントの観察は、環境に不可欠な情報を捉えるために最適化された方法で設計されている。 ディープラーニングモデルは、MADRLモデルからの知識に基づいて、到達不可能な場合のターゲット位置を正確に推定する。
  論文  参考訳（メタデータ） (2025-01-19T02:58:22Z)
• Deep Multi-Agent Reinforcement Learning for Decentralized Active Hypothesis Testing [11.639503711252663]
  我々は,深層多エージェント強化学習の枠組みに根ざした新しいアルゴリズムを導入することで,マルチエージェント能動仮説テスト(AHT)問題に取り組む。 エージェントが協調戦略を学習し、性能を向上させる能力を効果的に示す実験結果を包括的に提示する。
  論文  参考訳（メタデータ） (2023-09-14T01:18:04Z)
• Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
  Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。 さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
  論文  参考訳（メタデータ） (2022-11-12T09:21:49Z)
• Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning [55.20040781688844]
  QMIXは、中央集権的なエンドツーエンドで分散ポリシーをトレーニングできる新しい価値ベースの手法である。 深層多エージェント強化学習のための新しいベンチマークとして,StarCraft Multi-Agent Challenge (SMAC)を提案する。
  論文  参考訳（メタデータ） (2020-03-19T16:51:51Z)

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。