論文の概要: OverForge: Reasoning Through Strategies and Tactics Helps Cooperative Lifelong Adaptation

• arxiv url: http://arxiv.org/abs/2609.39727v1
• Date: Wed, 30 Sep 2026 13:37:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.848048
• Title: OverForge: Reasoning Through Strategies and Tactics Helps Cooperative Lifelong Adaptation
• Title（参考訳）: OverForge: 戦略と戦術による推論は、協力的な生涯適応に役立つ
• Abstract要約: OverForgeはトレーニングなしの階層型アーキテクチャで、役割や分業に関する戦略的理由を分離する。 メタ認知的前頭前皮質モジュールは、戦略アクションブランチを形成することによって2つのレベルを結合する。 アブレーションと固定戦略プローブは、それぞれの推論レベルが協調に寄与する一方で、永続戦略が戦術的適応を導くことを示している。
• 参考スコア（独自算出の注目度）: 2.8229119005114467
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cooperative language-model agents must coordinate over long horizons and adapt to changing environments and to partners with unfamiliar conventions, yet existing agents map observations to actions without separating persistent coordination strategies from their tactical execution. We introduce OverForge, a training-free hierarchical architecture that separates strategic reasoning over roles and divisions of labour from tactical reasoning over actions within each agent's private, partner-conditioned world model. A metacognitive Prefrontal Cortex Module couples the two levels by forming strategy-action branches, imagining their consequences with a forward model, and committing when confident. In OvercookedV2, OverForge delivers 7 soups in a connected kitchen versus 3 for each flat LLM baseline, retains agreed roles, and adopts roles proposed by unfamiliar partners. Ablations and a fixed-strategy probe show that persistent strategies guide tactical adaptation while each reasoning level contributes to coordination. Memory restarts show that cross-episode partner knowledge supports task performance and partner prediction, linking the hierarchy to continual adaptation.
• Abstract（参考訳）: 協調言語モデルエージェントは、長い地平線上で調整し、変化する環境に適応し、不慣れな慣行とパートナーする必要があるが、既存のエージェントは、持続的な調整戦略を戦術的実行から切り離すことなく、観察を行動にマッピングする。 OverForgeは、各エージェントのプライベートなパートナー条件のワールドモデルにおける行動に関する戦術的推論から、役割や分業に対する戦略的推論を分離する、トレーニング不要な階層的アーキテクチャである。 メタ認知的前頭前皮質モジュールは、戦略アクションのブランチを形成し、前方モデルで結果を想像し、自信のある時にコミットすることによって、2つのレベルを結合する。 OvercookedV2では、OverForgeはコネクテッドキッチンで7つのスープを配達する。 アブレーションと固定戦略プローブは、それぞれの推論レベルが協調に寄与する一方で、永続戦略が戦術的適応を導くことを示している。 メモリの再起動は、横断的なパートナー知識がタスクのパフォーマンスとパートナー予測をサポートし、階層を継続的な適応にリンクしていることを示している。

関連論文リスト

• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• Training Generalizable Collaborative Agents via Strategic Risk Aversion [14.968945672756854]
  我々は、戦略的リスク回避の概念を考察し、それを原則的帰納的バイアスとして、見知らぬパートナーとの一般化可能な協力のために解釈する。 我々は,戦略リスク回避を標準方針最適化手法に統合するマルチエージェント強化学習(MARL)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-02-25T03:06:59Z)
• Adaptively Coordinating with Novel Partners via Learned Latent Strategies [19.014669675808133]
  我々は、リアルタイムに幅広いパートナー戦略を表現、分類、適応する戦略条件付き協調作業フレームワークを導入する。 提案手法は,エージェント軌道データから潜在戦略空間を学習するために,変分オートエンコーダを用いて戦略を符号化する。 我々は,インタラクション中のパートナーの戦略推定を動的に推論し,調整する固定共有後悔最小化アルゴリズムを活用する。
  論文  参考訳（メタデータ） (2025-11-16T19:45:35Z)
• DR. WELL: Dynamic Reasoning and Learning with Symbolic World Model for Embodied LLM-Based Multi-Agent Collaboration [18.250351934101463]
  DR. WELLは、協調的マルチエージェント計画のための分散型神経シンボルフレームワークである。 エージェントは候補者の役割を提案し、合意と環境制約の下で共同割り当てをコミットする。 各エージェントは、詳細な軌道を明らかにすることなく、独立してその役割の象徴的な計画を生成し実行します。
  論文  参考訳（メタデータ） (2025-11-06T18:37:18Z)
• Modeling Latent Partner Strategies for Adaptive Zero-Shot Human-Agent Collaboration [8.829018359718086]
  我々は、様々なパートナー戦略を表現、分類、適応する戦略条件付き協調作業フレームワークであるTALENTSを紹介した。 提案手法は変分オートエンコーダを用いて軌道データから潜在戦略空間を学習する。 未確認のパートナーに適応するために、我々は固定共有後悔最小化アルゴリズムを利用する。
  論文  参考訳（メタデータ） (2025-07-07T17:53:13Z)
• CooT: Learning to Coordinate In-Context with Coordination Transformers [10.888155149916967]
  コーディネーション・トランスフォーマー(Coordination Transformers, Coot)は、目に見えないパートナーに迅速に適応する、コンテキスト内協調フレームワークである。 cootは、人口ベースアプローチ、勾配ベースの微調整、メタRLにインスパイアされたコンテキスト適応方法など、ベースラインを一貫して上回る。 対照的に、cootは安定かつ迅速なインコンテクスト適応を実現し、人間の評価において最も効果的なコラボレータである。
  論文  参考訳（メタデータ） (2025-06-30T06:45:39Z)
• Strength Lies in Differences! Improving Strategy Planning for Non-collaborative Dialogues via Diversified User Simulation [69.5677514160986]
  本研究では,多様なユーザとの戦略的対話に携わる非協力的対話エージェントについて検討する。 これは既存の対話エージェントに2つの大きな課題をもたらす。 本稿では,ユーザ認識型戦略計画モジュールと人口ベーストレーニングパラダイムを取り入れた,適切な戦略計画の能力を高めるためのTripを提案する。
  論文  参考訳（メタデータ） (2024-03-11T14:38:16Z)
• K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
  マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。 我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-02T16:07:05Z)
• Conditional Imitation Learning for Multi-Agent Games [89.897635970366]
  本研究では,条件付きマルチエージェント模倣学習の課題について考察する。 本稿では,スケーラビリティとデータ不足の難しさに対処する新しい手法を提案する。 我々のモデルは,egoやパートナエージェント戦略よりも低ランクなサブスペースを学習し,サブスペースに補間することで,新たなパートナ戦略を推論し,適応する。
  論文  参考訳（メタデータ） (2022-01-05T04:40:13Z)

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。