Fugu-MT 論文翻訳(概要): Homogenization in Multi-Agent Systems

論文の概要: Homogenization in Multi-Agent Systems

arxiv url: http://arxiv.org/abs/2610.09824v1
Date: Wed, 07 Oct 2026 10:49:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 21:58:22.857883
Title: Homogenization in Multi-Agent Systems
Title（参考訳）: マルチエージェントシステムにおける均質化
Abstract要約: マルチエージェントシステム(MAS)はエージェント間の相互作用を利用して複雑なタスクを実行する。これらの相互作用がホモジェナイゼーション、すなわち類似の挙動に収束するエージェントに繋がることが示される。我々は、コード生成、採用、および科学的ピアレビューのためのMASの均質化を評価する。
参考スコア（独自算出の注目度）: 12.04142585819099
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-agent systems (MAS) leverage interactions between agents to perform complex tasks. Despite their success, we show that these interactions can also lead to homogenization, i.e., agents converging to similar behaviors. Homogenization in MAS can reduce agent diversity and reinforce shared failures. In this paper, we operationalize homogenization using three metrics: conformity to the majority, polarization towards extremes, and growing inertia against changes over subsequent interactions. We evaluate homogenization in MAS for code generation, hiring, and scientific peer review. Across these tasks, we show that homogenization translates to concrete downstream risks: in code generation, it hides and amplifies correlated errors which can create systemic vulnerabilities; in hiring, it allows the influence of biased agents to persist long after their removal; and in peer review, it creates uneven evaluation standards across research areas. Our results establish homogenization as a failure mode of MAS, demonstrating that MAS evaluations must move beyond aggregate performance to carefully analyze interaction dynamics. Finally, we show that simple approaches to increase diversity---leveraging sampling stochasticity and mixed-models MAS---fail to reduce homogenization risks, highlighting the need for strategies to effectively leverage agent diversity.
Abstract（参考訳）: マルチエージェントシステム(MAS)はエージェント間の相互作用を利用して複雑なタスクを実行する。彼らの成功にもかかわらず、これらの相互作用は均質化、すなわち類似の行動に収束するエージェントにつながる可能性があることを示す。 MASの均質化は、エージェントの多様性を減少させ、共有障害を補強する。本稿では,多数派への適合性,極性への偏極,その後の相互作用の変化に対する慣性の増加という3つの指標を用いてホモジェナイゼーションを運用する。我々は、コード生成、採用、および科学的ピアレビューのためのMASの均質化を評価する。コード生成では、システムの脆弱性を発生させる相関エラーを隠蔽し、増幅し、採用では、偏見のあるエージェントの影響を除去後長く持続させ、ピアレビューでは、研究領域全体で不均一な評価基準を作成します。この結果から,MAS評価が集約性能を超え,インタラクションのダイナミクスを慎重に解析する必要があることを示す。最後に、多様性を高めるための単純なアプローチとして、サンプリング確率性と混合モデルMASを平均化することで、均質化リスクを低減し、エージェントの多様性を効果的に活用するための戦略の必要性を強調した。

関連論文リスト

Beyond Consensus: Trace-Level Synthesis in Mixture of Agents [1.0195618602298682]
完全推論トレースを読み取るアグリゲータは,エージェントが全一致で同意した場合でも,正しい解を回復することを示す。摂動によって引き起こされるトレース変動を持つ単一モデルは、構造的推論、PhDレベルの科学、競合数学、競争的プログラミングにまたがる異種モデルプールよりも優れる。
論文参考訳（メタデータ） (2026-05-27T21:24:35Z)
Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文参考訳（メタデータ） (2026-04-21T15:05:58Z)
Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation [38.13720312846963]
我々は、モデルインテリジェンス、エージェント認知、システムダイナミクスの3つのボトムアップレベルにおいて、MASに基づくアイデアの多様性について研究する。これらの成果を,構造的結合から生じる集合的失敗として特徴づける。この崩壊は,本質的なモデル不足というよりも,相互作用構造に起因していると考えられる。
論文参考訳（メタデータ） (2026-04-20T09:27:49Z)
AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。 AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
論文参考訳（メタデータ） (2026-04-14T13:49:19Z)
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)
Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity [48.409368133277525]
エージェント数ではなく,本質的なタスクの不確実性によってMAS性能が拘束されていることを示す情報理論フレームワークを提案する。アーキテクチャに依存しないバウンダリを導出し、システムへのアクセスする有効なチャネルの数に依存することを示す。本結果は,多様性を意識した設計を通じて,効率的で堅牢なMASを構築するための原則的ガイドラインを提供する。
論文参考訳（メタデータ） (2026-02-03T17:58:10Z)
Regret Minimization in Population Network Games: Vanishing Heterogeneity and Convergence to Equilibria [11.393556897060689]
我々は,不均質なエージェントが統一行動に対して様々な初期方針をとどめ,スムーズな後悔のマッチングがいかに多くの不均質なエージェントを駆動するかを示す。我々は,競争的・協調的なマルチエージェント設定において,量子応答平衡に収束することを証明する。
論文参考訳（メタデータ） (2025-07-23T04:13:56Z)
An Extensible Framework for Open Heterogeneous Collaborative Perception [58.70875361688463]
協調的な知覚は、単一エージェントの知覚の限界を緩和することを目的としている。本稿では,新しい異種エージェントを協調認識に適応させる方法を提案する。本稿では,新しい協調認識フレームワークであるHeterogeneous ALliance(HEAL)を提案する。
論文参考訳（メタデータ） (2024-01-25T05:55:03Z)
System Neural Diversity: Measuring Behavioral Heterogeneity in Multi-Agent Learning [8.280943341629161]
マルチエージェントシステムにおける振る舞いの不均一性の尺度であるシステムニューラルダイバーシティ(SND)を紹介する。 SNDはエージェントが取得した潜時レジリエンスのスキルを計測できるが、タスクパフォーマンス(リワード)などの他のプロキシは失敗する。我々は、このパラダイムが探索フェーズのブートストラップにどのように使用できるかを示し、最適なポリシーを高速に見つける。
論文参考訳（メタデータ） (2023-05-03T13:58:13Z)

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。