論文の概要: What Makes a Social Agent's Interactions Effective? Learning from Verifiable Outcomes in Paired Worlds

• arxiv url: http://arxiv.org/abs/2610.20195v1
• Date: Wed, 14 Oct 2026 13:44:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.174863
• Title: What Makes a Social Agent's Interactions Effective? Learning from Verifiable Outcomes in Paired Worlds
• Title（参考訳）: ソーシャルエージェントのインタラクションを効果的にするものは何か? : ペアワールドにおける検証結果から学ぶ
• Abstract要約: HICO-Benchは180の日常的な調整シナリオのベンチマークである。 2人のエージェントが会話し、その後独立して合意した計画を記録しました。 プログラムは実行可能性をチェックし、両方の参加者のプライベートな条件を満たす。
• 参考スコア（独自算出の注目度）: 58.91174911393378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective social interaction requires more than fluent responses: agents must reach plans that fit the participants' needs and circumstances. Existing evaluations of social agents mainly rely on LLM judges that rate the conversation, without checking the resulting plan. We introduce HICO-Bench, a benchmark of 180 everyday coordination scenarios, such as resource allocation, scheduling, and authorization, in which two agents with private information converse and then independently record the plan they agreed on. A program checks Feasibility (the two records match and satisfy both participants' private conditions), and an LLM judge checks Integrity (the conversation supports the recorded plan); passing both is a Verified Success. Each scenario has two versions that share the same public context but differ in one private condition, so the correct plan differs between them. Across thirteen LLMs, 36% of conversations rated highly for goal completion fail Verified Success. To learn from outcomes that arrive only at the end of a conversation, we propose Paired-Credit Policy Optimization (PaCPO). After each turn, PaCPO asks the agent for a tentative plan, checks it in both versions of the scenario, and rewards the turns after which the tentative plans fit their respective versions. PaCPO raises Qwen3-8B's Verified Success from 20.4% to 28.3%.
• Abstract（参考訳）: 効果的な社会的相互作用には流動的な反応以上のものが必要であり、エージェントは参加者のニーズや状況に合った計画に到達しなければならない。 既存の社会的エージェントの評価は、主に、結果の計画を確認することなく、会話を評価するLCMの判断に依存している。 HICO-Benchは、資源割り当て、スケジューリング、認可など、180の日常的な調整シナリオのベンチマークであり、プライベート情報を持つ2人のエージェントが会話し、合意した計画を独立に記録する。 プログラムは、フィージビリティ(両者のレコードが一致し、双方のプライベートな条件を満たす)をチェックし、LCM判事は、インテグリティ(会話が記録されたプランをサポートする)をチェックする。 各シナリオは、同じ公開コンテキストを共有するが、1つのプライベートな条件で異なる2つのバージョンを持つ。 13のLDMで、36%の会話が目標達成に高評価され、検証成功に失敗しました。 会話の終わりにしか届かない結果から学習するために、ペアード・クレディ・ポリシー最適化(PaCPO)を提案する。 それぞれのターンの後、PaCPOはエージェントに仮計画を求め、シナリオの両バージョンでそれをチェックし、仮計画がそれぞれのバージョンに適合するターンに報酬を与える。 PaCPOはQwen3-8Bの検証成功率を20.4%から28.3%に引き上げている。

関連論文リスト

• Observe, Share, or Predict? Disentangling Partner Information in Embodied Multi-Agent Collaboration [12.841846686021023]
  我々は、パートナーの状態を観察し、オブジェクトの知識を交換し、パートナーの次のアクションを予測し、タスクの結果を形作り、調整するかどうか尋ねる。 我々は、分散化されたゼロショットリアクトプランナーを、他エージェントの状態(OAS)観察、同一エージェント間のオブジェクト知識交換(KE)、他エージェントの次のアクション(OANA)予測で強化する。 OAS観察はタスク品質を改善し、各プランナの余分な労力を削減する一方、KEは主に実行効率を向上し、シミュレーションステップを最大25%削減する。
  論文  参考訳（メタデータ） (2026-10-12T14:49:31Z)
• How Do Agent Harnesses Create Value? Planning Information and Release Control in Stateful LLM Agents [4.026212304760799]
  エージェントは、供給計画のガイダンス、実行の組織化、完了確認を利用する。 2つのRetail実験と2ドルのAirlineパイロット実験において、これらのコンポーネントが成功、誤った受け入れ、コストにどのように影響するかを調査する。
  論文  参考訳（メタデータ） (2026-09-17T14:30:14Z)
• EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
  視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。 本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。 共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
  論文  参考訳（メタデータ） (2026-09-01T14:14:47Z)
• Do LLM Agents Negotiate Rationally? A Mechanism-Design Framework for Verifiable Multi-Agent Interaction over A2A/MCP [4.958397945862737]
  LLMエージェントフレームワークは、エージェントツーツールアクセスのためのAnthropicのModel Context Protocol(MCP)や、エージェントデリゲートとネゴシエーションのためのGoogleのAgent2Agent(A2A)プロトコルなど、ますます相互運用されている。 本稿では,古典的交渉機構を符号化するフレームワークについて紹介する。 我々は,非構造化対話,構造化プロトコル,検証付き構造化プロトコルを用いて,複数のLDMバックボーンの評価を行った。
  論文  参考訳（メタデータ） (2026-07-10T07:32:19Z)
• ChatSOP: An SOP-Guided MCTS Planning Framework for Controllable LLM Dialogue Agents [52.7201882529976]
  対話エージェントの制御性を高めるため,SOP誘導モンテカルロ木探索(MCTS)計画フレームワークを提案する。 これを実現するために、GPT-4oを用いた半自動ロールプレイシステムを用いて、SOPアノテーション付きマルチシナリオ対話からなるデータセットをキュレートする。 また、SOP予測のための教師付き微調整と思考の連鎖推論を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-04T12:23:02Z)
• Fairness in Multi-Agent Planning [2.7184224088243356]
  本稿では,多エージェント計画(MAP)によく知られた公平性スキームを適用する。 コストを意識したフェアプランを生成するための2つの新しいアプローチを導入している。 いくつかの標準MAPベンチマークの実証結果は、これらのアプローチが異なるベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-12-01T13:58:46Z)
• Transcormer: Transformer for Sentence Scoring with Sliding Language Modeling [95.9542389945259]
  文スコアリングは文の可能性を測ることを目的としており、多くの自然言語処理シナリオで広く使われている。 文スコアリングのための新しいテキストスライディング言語モデリング(SLM)を備えたトランスフォーマーモデルであるtextitTranscormerを提案する。
  論文  参考訳（メタデータ） (2022-05-25T18:00:09Z)
• CoCo: Controllable Counterfactuals for Evaluating Dialogue State Trackers [92.5628632009802]
  本稿では,このギャップを橋渡しし,新たなシナリオにおける対話状態追跡(DST)モデルを評価するための制御可能な対策(CoCo)を提案する。 CoCoは、2つのステップで新しい会話シナリオを生成する: (i) スロットをドロップして追加し、スロット値を置き換えて、 (ii) (i) で条件付きで対話フローと整合する対実会話生成。 人間による評価では、COCO生成された会話は95%以上の精度でユーザー目標を完璧に反映し、元の会話と同じくらい人間らしくなっている。
  論文  参考訳（メタデータ） (2020-10-24T09:39:35Z)

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。