論文の概要: Sanzaru: Benchmarking Protocol Formation under Epistemic & Communication Asymmetry

• arxiv url: http://arxiv.org/abs/2610.15163v1
• Date: Sat, 10 Oct 2026 20:25:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 02:18:24.82263
• Title: Sanzaru: Benchmarking Protocol Formation under Epistemic & Communication Asymmetry
• Title（参考訳）: Sanzaru: てんかん・コミュニケーション非対称性下でのベンチマークプロトコルの形成
• Abstract要約: 言語モデルが個別にタスクを解く能力は、チームが情報やコミュニケーションへの不平等なアクセスの下でそれを解決できることを保証するものではない。 サンザルーは、ボンバナナに適応した協力型爆弾破壊パズルを通して、このギャップを検証! ベンチマークには7つのファミリーにわたる120のパズルインスタンスが含まれており、それぞれが異なる調整能力をターゲットにしている。
• 参考スコア（独自算出の注目度）: 8.381466061355143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A language model's ability to solve a task individually does not ensure that a team can solve it under unequal access to information and communication. SANZARU examines this gap through cooperative bomb-defusal puzzles adapted from BOMBANANA! (Lefto Studio, 2026). Task information and action authority are divided among three agents: one cannot hear, another cannot speak, and the third cannot see. The benchmark contains 120 puzzle instances across seven families, each targeting a distinct coordination ability. Across 1512 episodes, 7 models achieve an overall success rate of 49%, ranging from 20% to 86% under the evaluated configurations. Teams develop or adopt diverse communication protocols, from simple gesture codes to Morse and encodings of entire manuals. Yet trace analysis attributes about 60% of 771 team losses to communication, and agents attempt to use channels unavailable to their teammates despite explicit role instructions. Together, task outcomes and interaction traces enable evaluation of both collaborative performance and perspective taking throughout cooperation. The benchmark is available at https://github.com/markli404/sanzaru-benchmark.
• Abstract（参考訳）: 言語モデルが個別にタスクを解く能力は、チームが情報やコミュニケーションへの不平等なアクセスの下でそれを解決できることを保証するものではない。 SANZARUは、ボバナナに適応した協力型爆弾破壊パズルを通して、このギャップを検証! (レフト撮影所、2026年)。 タスク情報と行動権限は3つのエージェントに分けられる: 1つは聞くことができず、もう1つは話すことができず、もう1つは見ることができない。 ベンチマークには7つのファミリーにわたる120のパズルインスタンスが含まれており、それぞれが異なる調整能力をターゲットにしている。 1512エピソード中、7つのモデルで全体の成功率は49%で、評価された構成では20%から86%である。 単純なジェスチャーコードからモールス、マニュアル全体のエンコーディングまで、さまざまなコミュニケーションプロトコルを開発あるいは採用する。 しかし、トレース分析は711チームの損失の約60%をコミュニケーションに当てはめ、エージェントは明確な役割指示にもかかわらず、チームメイトが利用できないチャンネルを使おうとする。 タスク成果とインタラクショントレースを合わせて、協調的なパフォーマンスと視点の両方を、協力を通じて評価することができる。 ベンチマークはhttps://github.com/markli404/sanzaru-benchmarkで公開されている。

関連論文リスト

• Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards [60.95806999869478]
  本稿では,CoSIR(CoSIR:Collaboration via Surprisal-based Information Rewards)を紹介する。 本稿では,適切な選択肢に割り当てられた負のログ確率の和として定義されたチーム・サプライサルの削減によって共有情報をスコアするベイズ評価器を提案する。 学習後,Qwen3-4B,Qwen3-8B,Gemma-3-4B-itを自己再生し,未知の7つの自然言語協調タスクへの移動を評価する。
  論文  参考訳（メタデータ） (2026-10-13T07:46:48Z)
• Self-Organizing Agent Teams Learn to Reason Together [52.45199430212268]
  私たちは、以前のコラボレーションから再利用可能な戦略を学び、役割、会話フェーズ、参加、情報の流れを整理する、AIエージェントの固定チームである、自己組織化エージェントチーム(SAT)を紹介します。 これらの戦略は、私たちがコラボレーティブ計算と呼ぶものを可能にします。エージェントの交換、チャレンジ、修復、そして、メンバーが独立して生成しないソリューションへの部分的推論を合成します。
  論文  参考訳（メタデータ） (2026-09-19T01:27:40Z)
• EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
  既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。 EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。 ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
  論文  参考訳（メタデータ） (2026-05-11T00:04:19Z)
• CooperBench: Why Coding Agents Cannot be Your Teammates Yet [44.06715229961526]
  CooperBenchは、4つのプログラミング言語で12のライブラリにまたがる600以上の協調コーディングタスクのベンチマークである。 エージェントは、両方のタスクを個別に実行するよりも、一緒に働く場合の平均30%低い成功率を達成する。 分析の結果,(1)コミュニケーションチャネルは不明瞭で不正確なメッセージに悩まされる,(2)効果的なコミュニケーションであっても,エージェントはコミットメントから逸脱する,(3)エージェントが他人の計画やコミュニケーションに対して誤った期待を抱いている,という3つの重要な問題が明らかになった。
  論文  参考訳（メタデータ） (2026-01-19T18:48:37Z)
• Learning to Interact in World Latent for Team Coordination [53.51290193631586]
  本研究は,多エージェント強化学習(MARL)におけるチーム協調を支援するために,対話型ワールドラテント(IWoL)という新しい表現学習フレームワークを提案する。 コミュニケーションプロトコルを直接モデル化することにより,エージェント間関係とタスク固有の世界情報とを協調的にキャプチャする学習可能な表現空間を構築する。 私たちの表現は、各エージェントの暗黙のラテントとしてだけでなく、コミュニケーションのための明示的なメッセージとしても使用できます。
  論文  参考訳（メタデータ） (2025-09-29T22:13:39Z)

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。