論文の概要: Bregman Consensus
- arxiv url: http://arxiv.org/abs/2609.35930v1
- Date: Mon, 28 Sep 2026 14:16:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.897593
- Title: Bregman Consensus
- Title（参考訳）: Bregman (複数形 Bregmans)
- Abstract要約: パラメータの集合についてコンセンサスを求めるエージェントのコミュニティを考える。
このような修正は、パラメータのユニークなコンセンサス推定に収束する反復アルゴリズムに自然に導かれることを示す。
コンセンサス推定はそれ自体計算可能な重みを持つバリーセンタであるため、各エージェントの能力に関する十分な意見を持った集合スーパーエージェントとして現れる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider a community of agents who are seeking consensus on a set of parameters. The agents agree to use the same Bregman-type divergence to quantify disagreement between their individual estimates of the parameters but have varying confidence in each other's abilities. Each agent is happy to revise their estimate by moving to the weighted barycenter of all individual estimates with higher weights applied to more trusted agents. We show that such revisions naturally lead to an iterative algorithm which converges to a unique consensus estimate of the parameters. Furthermore, since the consensus estimate is itself a barycenter with computable weights, the group emerges as a collective super-agent with a well-formed opinion regarding the ability of each individual agent.
- Abstract（参考訳）: パラメータのセットに関するコンセンサスを求めているエージェントのコミュニティを考えてみましょう。
エージェントは同じブレグマン型の発散を利用して、パラメータの個々の推定値の相違を定量化するが、互いの能力に異なる自信を持つ。
それぞれのエージェントは、より信頼されたエージェントにより高い重み付けを施した個々の見積もりの重み付けされたバリセンターに移動して、見積もりを見直して喜んでいる。
このような修正は、パラメータのユニークなコンセンサス推定に収束する反復アルゴリズムに自然に導かれることを示す。
さらに、コンセンサス推定はそれ自体計算可能な重みを持つバリーセンタであるため、各エージェントの能力に関する十分な意見を持った集合スーパーエージェントとして現れる。
関連論文リスト
- Belief-Calibrated Multi-Agent Consensus Seeking for Complex NLP Tasks [45.14284473132228]
コンセンサス安定性を最大化する最適協力者を選択するための理論的枠組みを提供する。
この定理に基づいて,安定したコンセンサスを促進するためのBCCS(Belief-Calibrated Consensus Seeking)フレームワークを提案する。
MATHおよびMMLUベンチマークデータセットの実験結果から、提案したBCCSフレームワークが既存の最高の結果を上回っていることが示された。
論文 参考訳（メタデータ） (2025-10-07T17:53:34Z) - Wisdom of Crowds Through Myopic Self-Confidence Adaptation [1.1060425537315088]
群衆の知恵は、集団の集団的判断や決定が集団メンバーの個人的判断や決定よりも正確であることを示す現象の包括的用語である。
本稿では,まず,世界の共通状態を非相関的かつ非バイアス的に測定するエージェントのグループについて考察する。
これらのエージェントは、フレンチ・デグルート力学(英語版)または反復的な意見プール(英語版)として社会学でよく知られる単純な非ベイズ学習規則に従って、見積もりを反復的に更新する。
論文 参考訳（メタデータ） (2025-06-22T22:55:17Z) - A decision-theoretic model for a principal-agent collaborative learning problem [0.0]
本稿では,主成分が適切な凝集係数の集合を決定する主成分設定を伴う協調学習フレームワークについて考察する。
提案したフレームワークは安定性と一般化の点でいくつかの利点があるが、主役とエージェントは必ずしもサンプル分布や互いのデータセットの品質を知る必要はない。
論文 参考訳（メタデータ） (2024-09-24T13:08:51Z) - ReConcile: Round-Table Conference Improves Reasoning via Consensus among Diverse LLMs [61.07130026622437]
大規模言語モデル(LLM)は、まだ自然言語推論タスクに苦戦している。
心の社会に動機づけられて、我々はReConcileを提案する。
LLMエージェント間のラウンドテーブル会議として設計されたマルチモデルマルチエージェントフレームワーク。
論文 参考訳（メタデータ） (2023-09-22T17:12:45Z) - Pure Exploration under Mediators' Feedback [63.56002444692792]
マルチアームバンディット(Multi-armed bandits)は、各インタラクションステップにおいて、学習者が腕を選択し、報酬を観察する、シーケンシャルな意思決定フレームワークである。
本稿では,学習者が仲介者の集合にアクセスできるシナリオについて考察する。
本稿では,学習者には仲介者の方針が知られていると仮定して,最適な腕を発見するための逐次的意思決定戦略を提案する。
論文 参考訳（メタデータ） (2023-08-29T18:18:21Z) - Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects [92.80955339180119]
メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。
これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-02T07:00:53Z) - Collaborative Algorithms for Online Personalized Mean Estimation [12.875154616215305]
いくつかの分布が同じ平均を持つ場合について検討し、エージェントは他のエージェントからの情報を積極的に問い合わせることができる。
目標は、各エージェントが他のエージェントとの通信によって平均推定を改善するアルゴリズムを設計することである。
我々は、このオンラインパーソナライズされた平均推定問題を解決するための新しい協調戦略を導入する。
論文 参考訳（メタデータ） (2022-08-24T13:23:26Z) - Trustworthy Preference Completion in Social Choice [36.91054060923998]
すべての選択肢に対して線形順序を与えるようにエージェントに頼むのは非現実的であり、これらの部分的なランク付けは選好完了を行う必要がある。
信頼ベースのアンカー-kNNアルゴリズムは、信頼指向のケンダル-トー距離を持つエージェントの最も信頼できる隣人を見つけるために提案される。
最初の$k$信頼に値する隣接エージェントに対する特定の共通投票ルールは、確実性と紛争に基づいて、信頼に値する選好完了を行うために適用することができる。
論文 参考訳（メタデータ） (2020-12-14T03:03:13Z)
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。