論文の概要: Drivers of LLM Consensus Formation Under Competing Incentives: A Simulation Study

• arxiv url: http://arxiv.org/abs/2610.20200v1
• Date: Wed, 14 Oct 2026 13:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.175648
• Title: Drivers of LLM Consensus Formation Under Competing Incentives: A Simulation Study
• Title（参考訳）: 競合インセンティブによるLLMコンセンサス形成のドライバ:シミュレーションによる検討
• Abstract要約: 大規模言語モデル(LLM)は、一致した合意を生み出すマルチエージェント環境にますますデプロイされている。 本稿では,Network Consensus ゲームを用いて,このプロセスの動作メカニズムを評価する。 通信アクセスやネットワーク構造などのコンポーネントに違いがあり、6つのオープンソースモデルと1つのクローズドモデルを評価する。
• 参考スコア（独自算出の注目度）: 1.299941371793082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly deployed in multi-agent environments that produce unanimous agreement, both in intended interactions that need coordination and in unintended emergent interactions. Consequently, understanding how LLMs with competing incentives reach consensus is crucial to better interpret and design LLM collectives. We introduce an evaluation, based on the Network Consensus game, to assess the mechanisms driving this process. Here, a network of agents must agree on one of two colours to receive a payoff, but agents are offered different payoffs for the agreed colour. We vary components such as communication access and network structure and assess six open-source models and one closed model (ChatGPT 5.6-sol). We find that open-source LLMs reach consensus less often than humans in comparable experiments and only if messages are communicated across the global network. ChatGPT 5.6-sol, however, is able to reach consensus with communication limited to its neighbours and with no communication ability. This is achieved through lower stubbornness and higher majority-following tendencies, and by providing more information about its neighbours' states in messages. However, situating agents in a highly clustered graph reduces consensus, regardless of these traits, demonstrating that both system design and individual model traits drive collective outcomes.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、協調を必要とする意図された相互作用と意図しない創発的相互作用の両方において、一致した合意を生み出すマルチエージェント環境にますますデプロイされている。 したがって、競合するインセンティブを持つLLMがコンセンサスにどのように到達するかを理解することは、LLM集合体をよりよく解釈し設計するために重要である。 本稿では,Network Consensus ゲームを用いて,このプロセスの動作メカニズムを評価する。 ここでは、エージェントのネットワークは、支払いを受けるために2つの色のうちの1つに同意しなければならないが、エージェントは合意された色に対して異なる支払いが提供される。 通信アクセスやネットワーク構造などのコンポーネントに違いがあり、6つのオープンソースモデルと1つのクローズドモデル(ChatGPT 5.6-sol)を評価する。 オープンソースLLMは、同等の実験で人間よりもコンセンサスに到達する頻度が低く、グローバルネットワーク間でメッセージが通信される場合に限られます。 しかし、ChatGPT 5.6-solは、近隣に限られ、通信能力のない通信で合意に達することができる。 これは、より低い頑固さと高い過半数のフォロー傾向によって達成され、メッセージの中で隣人の状態についてより多くの情報を提供することによって達成される。 しかしながら、高度にクラスタ化されたグラフ内のエージェントは、これらの特性に関係なくコンセンサスを減少させ、システム設計と個々のモデル特性の両方が集合的な結果をもたらすことを示す。

関連論文リスト

• Lies We Can See: Joint Verbal and Non-Verbal Deception by VLM Agents in Embodied Social Interactions [66.7908338529737]
  LLMとVLMのエージェントによる戦略的な騙しは、AIのアライメントと安全性の懸念の中心として現れている。 既存のテストベッドはテキストのみであり、単一の固定エージェント構成で実行される。 我々は,MineAmongUsを紹介した。これはUsサンドボックス内の3次元マルチモーダルで,インポスタエージェントは共同弁論と非言語行動を通じて乗組員を騙さなければならない。
  論文  参考訳（メタデータ） (2026-08-31T08:24:29Z)
• SMAC-Talk: A Natural Language Extension of the StarCraft Multi-Agent Challenge for Large Language Models [5.960036206015683]
  本稿では,協調型マルチエージェント環境におけるLLMエージェントの評価を目的とした,StarCraft Multi-Agent Challengeの自然言語拡張であるSMAC-Talkを紹介する。 SMAC-Talkは、エージェントの調整と信頼を調査するために使用される自然言語通信チャネルを含んでいる。 我々は、このコミュニケーションチャネルを使用して異なる評価シナリオを構築する。例えば、コミュニケーションだけで同盟者を混乱させ欺こうとする組込みコミュニケータの設定を含む。
  論文  参考訳（メタデータ） (2026-06-02T20:40:04Z)
• Insider Attacks in Multi-Agent LLM Consensus Systems [8.207909009186091]
  マルチエージェントコンセンサスシステムにおけるインサイダー操作について検討する。 そこで本稿では,良性エージェントの潜在行動状態上でのサロゲートダイナミクスを学習する世界モデルベースのフレームワークを提案する。 予備的な結果は、訓練された攻撃者は、良心的コンセンサス率を減らし、直接悪質なプロンプトベースラインよりも、より効果的に不一致を延長することを示している。
  論文  参考訳（メタデータ） (2026-05-08T03:10:22Z)
• GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems [55.12339141172908]
  GoAgentは、協調グループをMAS構築の原子単位として明示的に扱う通信トポロジ生成手法である。 6つのベンチマークの実験では、GoAgentの最先端のパフォーマンスを93.84%の平均精度で証明し、トークン消費を約17%削減した。
  論文  参考訳（メタデータ） (2026-03-20T06:21:32Z)
• The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs [17.78378587855649]
  本調査では,Five Wsを通じてマルチエージェントコミュニケーション(MA-Comm)について検討する。 コミュニケーションのアプローチが3つの主要なパラダイムにまたがってどのように進化してきたのかを辿る。 我々は,スケーラブルで解釈可能なマルチエージェントコラボレーションのための学習,言語,制御を組み合わせた未来のハイブリッドシステムを支援するために,実用的な設計パターンとオープン課題を抽出する。
  論文  参考訳（メタデータ） (2026-02-12T05:07:50Z)
• AsymPuzl: An Asymmetric Puzzle for multi-agent cooperation [3.992018836888768]
  大規模言語モデル(LLM)エージェントは、マルチターン、マルチエージェントのシナリオでますます研究されている。 AsymPuzlは,情報非対称性下でのコミュニケーションを分離するように設計された,最小かつ表現力に富んだ2エージェントパズル環境である。
  論文  参考訳（メタデータ） (2025-12-03T05:42:01Z)
• COMMA: A Communicative Multimodal Multi-Agent Benchmark [15.329501174451677]
  マルチモーダルマルチエージェントシステムの協調性能を評価するための新しいパズルベンチマークであるCOMMAを紹介する。 GPT-4oのような強力なプロプライエタリモデルや、o4-miniのような推論モデルなど、最先端モデルの驚くべき弱点が明らかになった。 R1-OnevisionやLLaVA-CoTのような多くの思考推論モデルは、エージェントとエージェントのコラボレーションにおいて、ランダムなベースラインよりも優れている。
  論文  参考訳（メタデータ） (2024-10-10T02:49:47Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• Large Language Model Enhanced Multi-Agent Systems for 6G Communications [94.45712802626794]
  本稿では,自然言語を用いたコミュニケーション関連タスクを解くための,カスタマイズされたコミュニケーション知識とツールを備えたマルチエージェントシステムを提案する。 セマンティック通信システムの設計により,提案方式の有効性を検証した。
  論文  参考訳（メタデータ） (2023-12-13T02:35:57Z)
• MAgIC: Investigation of Large Language Model Powered Multi-Agent in Cognition, Adaptability, Rationality and Collaboration [98.18244218156492]
  大規模言語モデル(LLM)は、非常に高度な自然言語処理を持つ。 アプリケーションがマルチエージェント環境に拡大するにつれて、包括的な評価フレームワークの必要性が生じる。 この研究は、マルチエージェント設定内でLLMを評価するための新しい競合ベースのベンチマークフレームワークを導入している。
  論文  参考訳（メタデータ） (2023-11-14T21:46:27Z)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)

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。