論文の概要: Beyond Final Accuracy: Auditing Communication in LLM Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2610.01042v1
• Date: Thu, 01 Oct 2026 04:34:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.895168
• Title: Beyond Final Accuracy: Auditing Communication in LLM Multi-Agent Systems
• Title（参考訳）: 最終精度を超えて: LLMマルチエージェントシステムにおけるコミュニケーションの監査
• Abstract要約: 本稿では,独立理由付け後の回答リビジョンとしてコミュニケーションを評価する制御フレームワークであるIndependent--Communicate-Revise(ICR)を紹介する。 ICRは、最初の推論軌跡を修正し、両方のエージェントの初期正しさの補正と保存条件を計測し、追加の推論以上の利得を定量化するためにメッセージなしリビジョン制御を使用する。
• 参考スコア（独自算出の注目度）: 12.443451238656381
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent communication aims to help agents benefit from one another's information. Yet improvements in system performance leave a fundamental ambiguity: do they reflect effective communication, a favorable agent architecture, or simply additional reasoning? Because communication methods are commonly evaluated within the systems they were designed for, these factors are difficult to disentangle. Final accuracy further merges corrected errors and corrupted answers into a single outcome, obscuring how communication changes decisions. We introduce Independent--Communicate--Revise (ICR), a controlled framework that evaluates communication as answer revision following independent reasoning. ICR fixes initial reasoning trajectories, measures correction and preservation conditional on both agents' initial correctness, and uses a no-message revision control to quantify gains beyond additional reasoning. Across four reasoning benchmarks, our audit of textual and latent communication reveals that similar aggregate accuracy can conceal substantially different revision behaviors. Compared with transmitting answers alone, full reasoning increases correction while reducing preservation on all four benchmarks, so richer messages amplify beneficial and harmful influence alike. Receiver-policy comparisons on MedQA and GPQA-D further show that a structured verification policy shifts every channel toward greater preservation and lower correction, while its effect on selectivity varies across channels and tasks. These findings challenge treating communication quality as an intrinsic property of a channel. ICR therefore recenters evaluation on selective revision, providing a unified framework for examining how message content and receiver policies jointly produce benefits and harms.
• Abstract（参考訳）: マルチエージェントコミュニケーションは、エージェントが互いの情報から利益を得るのを助けることを目的としている。 しかし、システムパフォーマンスの改善は、基本的な曖昧さを残している。それらは効果的なコミュニケーション、好ましいエージェントアーキテクチャ、あるいは単に追加の推論を反映しているか? 通信手法は、設計したシステム内で一般的に評価されるため、これらの要因を解消することは困難である。 最終的な精度は、修正されたエラーと不正な回答を単一の結果にマージし、コミュニケーションが意思決定をどのように変えるかを見極めます。 本稿では,独立理由付け後の回答リビジョンとしてコミュニケーションを評価する制御フレームワークであるIndependent--Communicate-Revise(ICR)を紹介する。 ICRは、最初の推論軌跡を修正し、両方のエージェントの初期正しさの補正と保存条件を計測し、追加の推論以上の利得を定量化するためにメッセージなしリビジョン制御を使用する。 4つの推論ベンチマークにおいて、テキストと潜在コミュニケーションの監査により、類似の集計精度が大幅に異なるリビジョンの振る舞いを隠蔽できることが判明した。 送信された回答だけで比較すると、完全な推論は4つのベンチマークの保存を減らしながら修正を増大させるため、よりリッチなメッセージは有益で有害な影響を増幅する。 MedQA と GPQA-D の受信者・政治比較により、構造化された検証ポリシーは全てのチャネルをより大きな保存と低い修正に向けてシフトし、選択性に対する影響はチャンネルやタスクによって異なることが示された。 これらの知見は,通信品質をチャネルの本質的な特性として扱うことに挑戦する。 ICRは、メッセージコンテンツと受信ポリシーが協調して利益と害をもたらすかを調べる統一的なフレームワークを提供する。

関連論文リスト

• Credit-Guided Policy Improvement for Test-time Adaptive Vision-Language Navigation [53.30116823667751]
  視覚言語ナビゲーションのためのテスト時適応(TTA-VLN)により、事前訓練されたポリシーは、目に見えない環境にオンラインで適応できる。 分散シフトは、局所的な行動選好を歪め、オフコース決定につながる可能性がある。 我々は,行動誘発観察遷移から署名付き参照関連決定クレジットを回収する信用誘導政策改善(CGPI)を提案する。
  論文  参考訳（メタデータ） (2026-09-29T13:46:11Z)
• Consilience: Conformally Calibrated Communication Control for Hidden-Profile Multi-Agent Reasoning [18.12675101210169]
  本研究では,分散プライベート情報の下でマルチエージェント通信を操り,認証する推論時オーケストレーションフレームワークであるConsilienceを提案する。 それぞれのターンで、コンシリエンスは、不確実性、不一致、証拠の獲得、冗長性、早めのコンセンサスを捉えた、コンパクトな状態を使って議論を要約する。 HiddenBenchスタイルの隠れタスクでは、Consilienceは、固定および非構造化の議論プロトコルよりも決定精度と通信効率を向上させる。
  論文  参考訳（メタデータ） (2026-08-20T20:57:25Z)
• Not All Tokens Deserve Equal Credit: Counterfactual Sensitivity Credit Reallocation for Long-CoT Reasoning [3.9783774144289623]
  GRPOのような批判のない方法は、応答レベルの報酬を利点に変換し、トークン間で均一にブロードキャストする。 本稿では,高感度トークンのクレジットを低減するGRPOの簡易拡張であるCSCRを提案する。 long-CoTの数学的推論ベンチマークでは、CSCRはGRPOベースラインを同じ数のポリシー更新で一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-30T09:03:33Z)
• ExComm: Exploration-Stage Communication for Error-Resilient Agentic Test-Time Scaling [57.42714978834704]
  ExCommは、探索段階のエージェントテストタイムスケーリングのための通信プロトコルである。 ExCommは、強いテスト時間スケーリングベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-21T07:38:44Z)
• Robust Multi-Agent LLMs under Byzantine Faults [12.778788735297288]
  大規模言語モデル(LLM)エージェントは、信頼性を向上させるためにピアツーピアネットワークを介して協力する傾向にある。 信頼性の低いエージェントやビザンティンのエージェントは、近隣のエージェントを誤った結論へと誘導し、システム全体の性能を低下させる可能性がある。 既存の手法は、リーダーベースの調整や自己報告された信頼に依存しており、どちらも敵の操作に影響を受けやすい。
  論文  参考訳（メタデータ） (2026-05-09T17:37:43Z)
• Hear Both Sides: Efficient Multi-Agent Debate via Diversity-Aware Message Retention [31.583055847273826]
  Multi-Agent Debateは、大規模言語モデルの推論品質を改善するための有望なフレームワークとして登場した。 現在のアプローチは、放送前の低信頼応答をフィルタする不確実性推定に依存している。 本稿では,エージェント応答のサブセットを選択する軽量な討論フレームワークであるDiversity-Aware Retention (DAR)を提案する。
  論文  参考訳（メタデータ） (2026-03-21T04:27:47Z)
• Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
  大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。 このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。 我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
  論文  参考訳（メタデータ） (2026-01-21T06:07:43Z)
• Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
  長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。 この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。 このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
  論文  参考訳（メタデータ） (2025-06-06T08:42:34Z)
• Off-Policy Evaluation for Sequential Persuasion Process with Unobserved Confounding [2.7282382992043885]
  現実のシナリオは、しばしば受信者の信念の形成と意思決定に影響を与える隠された変数を含む。 我々はこれをシーケンシャルな意思決定問題として概念化し、送信側と受信側が複数のラウンドで対話する。 このシナリオを部分観測可能なマルコフ決定プロセス (POMDP) として再構成することにより、受信者の信念と観測不能な共同創設者の両方のダイナミクスに関する不完全な情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-04-01T21:50:32Z)
• 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)

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。