論文の概要: Communication Shapes Collective Inference in Self-Adapting LLM Societies: Evidence from Mafia

• arxiv url: http://arxiv.org/abs/2610.05041v1
• Date: Sun, 04 Oct 2026 08:19:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 06:44:20.374644
• Title: Communication Shapes Collective Inference in Self-Adapting LLM Societies: Evidence from Mafia
• Title（参考訳）: 自己適応型LLM社会におけるコミュニケーション形態の集団推論--マフィアからのエビデンス
• Abstract要約: マフィアでは、知名度の高い少数派がインフォームドされていない多数派の中に隠れている。 8-100のクロードハイク-4-5の組織は、私的戦略ノートの書き直しと継承によって適応する。 70人のプレーヤーでは、1日8つのステートメントを読んでいるエージェントは、サイレントプレイヤーよりも敵を識別し、限定的なトークは46人のプレイヤーよりも少ない。
• 参考スコア（独自算出の注目度）: 3.1483200146172723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When does communication help a group identify hidden adversaries, and how does its value change as the group adapts? In Mafia, an informed minority hides inside an uninformed majority whose only evidence is open play. The zero-information game, where each day's vote eliminates a random player, is exactly solved and scores every society; matched-casting comparisons between protocols identify the effect of communication. Societies of 8-100 claude-haiku-4-5 agents (7,416 analyzed games, 1.9M model calls) adapt by rewriting and inheriting private strategy notes. Simultaneous broadcast improves adversary identification over silence in all nine compositions tested (8-46 players). Turn-taking removes most of this advantage; its voting landslides are as frequent as broadcast's but land on mafia near chance (1.08x versus 2.53x). At 70 players, agents reading eight statements per day identify adversaries worse than silent ones, and limited talk is worth less than at 46 players. Adaptation is fast but need not help. In their first broadcast games, citizens announce their role far more often than mafia (91% vs. 30%) and first-day votes find mafia at three times chance; within two generations citizens stop announcing and the cue fades, a change the inherited notes carry. In controlled redeployments at 16 players, societies carrying sixty generations of their own notes score below societies with none. Communication shapes both collective inference and the signals it depends on, so a protocol's value must be measured together with the adaptation that changes those signals.
• Abstract（参考訳）: コミュニケーションは、グループが隠れた敵を特定するのに役立ち、そのグループが適応するにつれて、その価値はどのように変化するのか? マフィアでは、知名度の高い少数派が無言の多数派の中に隠れており、その証拠はオープンプレイのみである。 毎日の投票でランダムプレイヤーが排除されるゼロ情報ゲームは、正確に解決され、すべての社会をスコア付けする。 8-100のクロードハイク-4-5エージェント(解析ゲーム7,416、モデルコール1.9M)が、私的戦略ノートの書き直しと継承によって適応した。 同時放送は、試験された9つの構成(8-46人)すべてにおいて、サイレントに対する敵の識別を改善する。 投票の地すべりは放送と同じ頻度で放送されるが、マフィア(1.08倍対2.53倍)に着陸する。 70人のプレーヤーでは、1日8つのステートメントを読んでいるエージェントは、サイレントプレイヤーよりも敵を識別し、限定的なトークは46人のプレイヤーよりも少ない。 適応は速いが助ける必要はない。 最初の放送ゲームでは、市民はマフィアよりもはるかに頻繁に(91%対30%)、初日の投票ではマフィアを3倍の確率で見つける。 16人の選手による統制された再配置では、60世代にわたる自身の音符を持つ社会は、何も持たない社会の下位にスコアを付けている。 通信は集団推論とそれに依存する信号の両方を形作っているため、プロトコルの値はそれらの信号を変える適応とともに測定されなければならない。

関連論文リスト

• Despite Instructions: Frontier Agents Improvise Covert Channels at Test Time [64.61749234961134]
  セキュリティに敏感なアプリケーションでは、言語モデルエージェントは機密情報を開示することなく調整する必要があることが多い。 送信者が4つの秘密状態のうちの1つを観測し、同一の公開レポートの4つの要約のうちの1つを選択する。 モデルペアは、受信機が正しく推測したかどうかを示す1ビットのフィードバックのみを使用して、秘密を伝えることができる。
  論文  参考訳（メタデータ） (2026-09-26T15:06:44Z)
• Social Pressure Breaks Majority Voting in LLM Safety Panels [1.6734502292933282]
  一般的なアプローチは、個々のミスを修正するためにモデルのパネルから判断を組み合わせることである。 我々はこのリスクを制御された2ラウンドの実験で研究する。 誤りラベルのピアメッセージは、平均的なレビューアラームレートを上昇させる。
  論文  参考訳（メタデータ） (2026-08-05T03:51:12Z)
• MafiaScope: Non-Invasive, Time-Resolved Belief Probing for LLM Agents in Social Deduction Games [0.0]
  MafiaScopeはオープンなテストベッドで、ソーシャルゲームMafiaをマシン理論のための測定器に変える。 エージェントがゲームを読み間違えたために負けたのか、あるいは正しいアセスメントに失敗したのかを区別する。 対話型ビジュアライザは、個々のエージェントの信念からのゲーム推論をリプレイし、タイムラインに沿った精度とキャリブレーションを表示する。
  論文  参考訳（メタデータ） (2026-07-12T08:20:52Z)
• When Agents Lie: Premeditation, Persistence, and Exploitation in Repeated Games [69.060029640261]
  10ラウンドにわたる同質群と異質群の6つのゲームにおけるフロンティアモデルの評価を行った。 異なるモデルは発表を無矛盾に解釈し、いくつかはバインディングのコミットメントとして、もうひとつは安価なトークとして解釈する。
  論文  参考訳（メタデータ） (2026-07-06T14:17:59Z)
• Age of LLM: A Strategic 1v1 Benchmark for Reasoning, Diplomacy and Reliability of Large Language Models under Fog of War [0.0]
  Age of LLM(エイジ・オブ・LLM)は、敵基地を破壊するために13x7グリッド上に2基のLSMが対向するターンベースの1v1ベンチマークである。 54試合15の推論モデルと5,258のアクションをベンチマークする。
  論文  参考訳（メタデータ） (2026-06-23T10:25:31Z)
• MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
  大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。 Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。 我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
  論文  参考訳（メタデータ） (2026-05-28T07:33:47Z)
• Deceive, Detect, and Disclose: Large Language Models Play Mini-Mafia [0.0]
  ミニ・マフィア (Mini-Mafia) は、マフィアが情報のない町民と競う社会的推論ゲームである。 情報の非対称性と、実世界のマルチエージェントシナリオの理論に基づく推論への依存。 ミニマフィア(Mini-Mafia)は、マフィオーソが1つ、探偵が1つ、村人が2つ、簡易な4人組である。
  論文  参考訳（メタデータ） (2025-09-27T00:40:19Z)
• Learning to Manipulate under Limited Information [44.99833362998488]
  私たちは、26サイズの10,000以上のニューラルネットワークをトレーニングし、8つの異なる投票方法に対処しました。 ボルダなど一部の投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、Instant Runoffのような投票手法はそうではない。
  論文  参考訳（メタデータ） (2024-01-29T18:49:50Z)
• Hoodwinked: Deception and Cooperation in a Text-Based Game for Language Models [0.0]
  Mafia と among Us に触発された $textitHoodwinked$ というテキストベースのゲームを紹介します。 プレイヤーは家に閉じ込められ、逃げるための鍵を見つけなければならないが、一方のプレイヤーは他のプレイヤーを殺すことが義務付けられている。 我々は, GPT-3, GPT-3.5, GPT-4によって制御されたエージェントを用いて実験を行い, 偽造と嘘検出能力の証拠を見いだした。
  論文  参考訳（メタデータ） (2023-07-05T17:22:09Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)

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。