論文の概要: Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models
- arxiv url: http://arxiv.org/abs/2609.35875v1
- Date: Sat, 26 Sep 2026 19:38:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.873652
- Title: Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models
- Title（参考訳）: シンメトリエージェントを超えて:小言語モデルにおける認知的多様性とマルチエージェントの議論
- Abstract要約: マルチエージェント論争(MAD)は、単一モデル推論よりも推論と事実性を改善すると伝えられている。
エージェント間の認知的多様性がドライバである、という仮説を、質問がまだ測定可能な場所で検証する。
- 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 debate (MAD) reportedly improves reasoning and factuality over single-model inference, but prior work treats agents as symmetric peers, leaving open what drives the gains. We test the hypothesis that cognitive diversity among agents is the driver, in the setting where the question is still measurable: small open-weight models with benchmark headroom. Across 23 models from eleven vendor families, five tasks, and 5,500+ debate and control runs, we vary diversity along three axes - personas, sampling temperature, and model identity - pairing every debate configuration with a generation-budget-matched majority-vote control. The hypothesis is rejected on every axis. Debate beats single-agent inference (3--7 points where tasks have headroom) but at matched budget conditions it ties or even loses to self-consistency sampling at 1.6$\times$ the wall-clock and 3.4$\times$ the token cost. Persona prompting reduces accuracy and a dose-response experiment over each model's full combinatorial persona space shows the cost is a persona tax, not a diversity tax: redundant personas hurt most, while maximally-diverse teams recover part of the loss. Furthermore, mixed-model teams lose to majority votes over their own rosters, with accuracy tracking member capability rather than heterogeneity, and nearly all of debate's benefit comes from the first exchange of answers. We further identify a pervasive measurement hazard in which debate transcripts silently overflow serving context windows, whose correction alone moves our debate-versus-sampling comparison from $-1.8$ points to parity. Our results recast reported MAD gains as an ensemble-sampling effect and provide the budget-matched, contamination-checked baseline bar that future debate mechanisms should be required to clear.
- Abstract（参考訳）: マルチエージェント論争(MAD)は単一モデル推論よりも推論と事実性を改善するが、先行研究ではエージェントを対称的なピアとして扱い、利得を導くものを開く。
エージェント間の認知的多様性がドライバである、という仮説を、ベンチマークヘッドルームを備えた小さなオープンウェイトモデルで検証する。
11のベンダーファミリーの23モデル、5つのタスク、5500以上の議論とコントロールの実行で、私たちは3つの軸 – ペルソナ、サンプリング温度、モデルアイデンティティ – に沿って多様性を変えています。
この仮説はすべての軸で否定される。
Debateは単一エージェント推論(タスクがヘッドルームを持つ3～7ポイント)を破るが、予算条件が整った場合、1.6$\times$ウォールクロック、3.4$\times$トークンコストで自己整合サンプリングに結びつくか、負ける。
ペルソナは精度を低下させ、各モデルの完全な組み合わせペルソナ空間に対する線量応答実験では、コストはペルソナ税であり、多様性税ではなくペルソナ税である。
さらに、混合モデルチームは、不均一性よりも正確にメンバーの能力を追跡することで、自身のロースターに対して多数決で敗れ、議論のほとんどすべての利益は、最初の回答の交換から得られます。
さらに,議論内容が暗黙的にオーバーフローするコンテキストウインドウにおいて,議論内容と議論内容のサンプルの比較のみを18ドルから1ドルに引き上げる,広範囲な測定の危険性を明らかにした。
本研究の結果は,MADゲインをアンサンブルサンプリング効果として報告し,今後の議論のメカニズムを解明するために必要な,予算整合型汚染チェックベースラインバーを提供するものである。
関連論文リスト
- Measuring Collapse and Correction in Homogeneous-Panel LLM Debate [51.03982042769297]
マルチエージェント大言語モデル(LLM)の議論は、最終回答が改善するかどうかによってしばしば評価されるが、運動は必ずしも改善されない。
標準的な最終精度評価は、これらの反対のメカニズムを詳述する。
複数選択質問(MCQ)に関する同質な議論のための監査可能なプロトコルを導入し、各実行を、崩壊、修正、オンセット、署名された介入ユーティリティよりも、遷移台帳として記録する。
論文 参考訳（メタデータ） (2026-09-28T14:31:19Z) - More Debate, Same Evidence: Structural Limits of Homogeneous Multi-Agent Groundedness [1.9036571490366498]
6つの公的な事実検証ベンチマーク上で,同質な3エージェントパネルの評価を行った。
固定された単一エージェント参照に対して、システムレベルの精度差は、+8.5$から$4.4$パーセンテージポイントまで様々である。
論文 参考訳（メタデータ） (2026-07-31T19:40:15Z) - Do Synthetic Personas Predict Real Audience Response? A Sim-to-Real Study Where a No-Persona Baseline Beats Persona-Based Copy Simulation [51.56484100374058]
そこで我々は,Upworthy Research Archiveを用いて,シミュレート・トゥ・リアルな妥当性について検討する。
実際の聴衆の人口統計に基づく10人のパネルと、一般的な読者がクリックする確率をモデルに尋ねるゼロショットベースラインを比較した。
論文 参考訳（メタデータ） (2026-07-27T17:03:03Z) - The Cost of Consensus: Isolated Self-Correction Prevails Over Unguided Homogeneous Multi-Agent Debate [5.51170856062205]
2つの高拡散度ベンチマークにおいて、R=3$の討論ラウンドで均質なエージェントのチームについて検討する。
我々は、議論の失敗を3つのモデル依存の経路に分解する: サイコファン的整合性、ピア論理、コンセンサス崩壊。
その結果,7-8B パラメータクラスでは,構造的役割を持たない同種チームが非誘導的ピア交換の恩恵を受けないことが示唆された。
論文 参考訳（メタデータ） (2026-04-29T14:33:57Z) - Heterogeneous Consensus-Progressive Reasoning for Efficient Multi-Agent Debate [58.675713546748305]
マルチエージェント・ディベート(英: Multi-Agent Debate、MAD)は、複数のエージェントが推論および反復的批判サイクルの生成を通じて、反復的にソリューションを洗練する協調的なフレームワークである。
本研究は,HCP-MADのための不均一なコンセンサス・プログレッシブ推論を導入する。
HCP-MADは3段階のプログレッシブ推論機構を用いて、様々なタスク複雑度にまたがる適応的なソリューションを開発する。
論文 参考訳（メタデータ） (2026-04-03T06:58:59Z) - Single LLM Debate, MoLaCE: Mixture of Latent Concept Experts Against Confirmation Bias [24.182306712604966]
大規模言語モデル(LLM)は入力確認バイアスに対して非常に脆弱である。
MoLaCEは軽量な推論時間フレームワークで、アクティベーション強度の異なる専門家を混在させることで、確認バイアスに対処する。
検証バイアスを一貫して低減し、堅牢性を向上し、マルチエージェントの議論を上回ることを実証的に示す。
論文 参考訳（メタデータ） (2025-12-29T14:52:34Z) - Towards Scalable Oversight with Collaborative Multi-Agent Debate in Error Detection [81.52796950244705]
自己診断は、信頼できる外部からのフィードバックがなければ、複雑なタスクでは信頼できない。
我々は,新たなコラボレーティブMADプロトコルであるColMADを導入し,MADを非ゼロ和ゲームとして再構成する。
ColMADは従来の競合MADよりも19%優れていた。
論文 参考訳（メタデータ） (2025-10-23T19:46:00Z) - Internalizing Self-Consistency in Language Models: Multi-Agent Consensus Alignment [22.305033366660187]
言語モデル(LM)は矛盾する推論子であり、しばしば同じプロンプトに対する矛盾した応答を生成する。
適切に整合した推論モデルの本質的な性質として自己整合性を定式化し、MACA(Multi-Agent Consensus Alignment)を導入する。
MACAは、エージェントが自分自身をより決定的かつ簡潔に教えることを可能にし、外部の監督なしにマルチエージェント設定におけるピアインサイトをより活用する。
論文 参考訳（メタデータ） (2025-09-18T17:27:28Z) - DebUnc: Improving Large Language Model Agent Communication With Uncertainty Metrics [52.242449026151846]
大規模言語モデル(LLM)の精度向上のためのマルチエージェント論争が紹介されている。
エージェントの信頼性を評価するために不確実性指標を用いた議論フレームワークであるDebUncを提案する。
論文 参考訳（メタデータ） (2024-07-08T22:15:01Z) - M2P2: Multimodal Persuasion Prediction using Adaptive Fusion [65.04045695380333]
本稿では,ディベートアウトカム予測 (DOP) 問題において,誰が討論に勝つかを予測し,IPP (Intensity of Persuasion Prediction) 問題では,講演者の発言前後の投票数の変化を予測する。
我々のM2P2フレームワークはIPP問題を解決するためにマルチモーダル(音響、視覚、言語)データを使用した最初のフレームワークです。
論文 参考訳（メタデータ） (2020-06-03T18:47:24Z)
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。